MobileNet教程(2):用TensorFlow搭建安卓手机上的图像分类App
本文来自AI新媒体量子位(QbitAI) 上周末,量子位翻译了一份MobileNet教程,其中讲述了怎样在一个新的数据集上重新训练MobileNet,那篇文章的成果,是一个分类器,能在电脑上以每秒钟400张的速度,识别图片是否为道路。 MobileNet是为移动端量身打造的,因此这次我们准备把之前做的辨别道路的模型应用到一个Android App中,看看它在移动设备上效果如何。 目标和计划 首先,让我们明确目标和计划,我们希望做到: 在很小的特定数据上重新训练MobileNet; 模型在hold out测试集(即模型训练前为测试留出的样本)上达到95%的准确率; 程序运行时对300美元以下价位手机CPU的占用要小于5%。 为了达到这些目标,我们的计划是: 生成一个新的训练数据集; 训练多个MobileNet结构,从而寻找所能够达到准确率目标(95%)