大家好，任先生觀科技每天為您更新更多的科技資訊，歡迎點擊關注
面部識別在手機領域，檢測目標、分類圖像和識別人臉的應用程序並不新鮮，然而無處不在並不能替代質量，一些常用的卷積神經網絡要麼速度較慢，要麼不夠準確。
人工智能面部識別
據外媒報道，谷歌的研究人員已經開發出一種人工智能(AI)模型選擇方法，以達到創紀錄的速度和精度。谷歌團隊描述了新的自動化系統MnasNet，它從候選列表中識別出理想的神經架構，結合強化學習來考慮移動速度限制。在這項研究中，MnasNet在特定的設備上執行不同的模型，並測量它們在現實世界中的性能，自動從中選出最好的。
研究人員在博客中寫道:“通過這種方式，我們可以直接衡量在現實生活中可以實現的東西，因為每種移動設備都有自己的軟件和硬件特性，可能需要不同的架構才能在準確性和速度之間取得最佳平衡。”
谷歌團隊在ImageNet(斯坦福大學和普林斯頓大學維護的圖像數據庫)和COCO對象識別數據集的公共對象上測試了其最優模型。結果顯示，這些模型比最先進的移動模型MobileNetV2快1.5倍，比神經結構搜索系統NASNet快2.4倍。
與此同時，在COCO上，谷歌的模型在MobileNet上實現了“更高的精度和更高的速度”，其計算成本比SSD300模型低35倍。
研究團隊稱：“我們很高興看到我們的自動化方法可以在多個複雜的移動視覺任務上實現最先進的性能。將來，我們計劃將更多的操作和優化納入我們的搜索領域，並將其應用於更多的移動視覺任務，如語義分割。”
這項研究是在“前沿”和“離線”人工智能獲得發展動力之際進行的，尤其是在移動領域。人工智能的發展正在不斷優化人們的生活費方式，為此人類正在進行大量的科學研究。期待更多的人工智能科技
對於人工智能的發展小夥伴你們怎麼看？
閱讀更多 任先生觀科技 的文章
