近日，谷歌在其開源部落格上發表了一篇名為《Supercharge your Computer Vision models with the TensorFlow Object Detection API》的文章，通過 TensorFlow Object Detection API 將谷歌內部使用的物體識別系統（2016 年 10 月，該系統在 COCO 識別挑戰中名列第一）開源給更大的社群，幫助打造更好的計算機視覺模型。機器之心對該文進行了編譯，原文連結請見文末。
在谷歌，研究人員開發了最高水平的計算機視覺機器學習系統，不僅可以用於谷歌自身的產品和服務，還可以推廣至整個研究社群。創造能夠在同一張圖片裡定位和識別多種物體的機器學習模型一直是業內的核心挑戰之一，谷歌宣稱自己已投入大量時間訓練和實驗此類系統。
其中一個模型在示例圖片中（來自 COCO 資料集）物件識別的效果
2016 年 10 月，谷歌內部的物體識別系統達到了業內最佳水平，在 COCO 識別挑戰中名列第一。自那時起，該系統為大量文獻提供了結果，並被一些谷歌的產品所採用，如 NestCam，同樣的理念也被識別谷歌街景街道名稱和門牌號的 Image Search 採用。
今天，我們很高興通過 TensorFlow Object Detection API 把該系統開源給更大的研究社群。這個程式碼庫是一個建立在 TensorFlow 頂部的開源框架，方便其構建、訓練和部署目標檢測模型。我們設計這一系統的目的是支援當前最佳的模型，同時允許快速探索和研究。我們的第一個版本包含：
- 一個可訓練性檢測模型的集合，包括：
- 帶有 MobileNets 的 SSD（Single Shot Multibox Detector）
- 帶有 Inception V2 的 SSD
- 帶有 Resnet 101 的 R-FCN（Region-Based Fully Convolutional Networks）
- 帶有 Resnet 101 的 Faster RCNN
- 帶有 Inception Resnet v2 的 Faster RCNN
- 上述每一個模型的凍結權重（在 COCO 資料集上訓練）可被用於開箱即用推理。
- 一個 Jupyter notebook 可通過我們的模型之一執行開箱即用的推理
- 藉助谷歌雲實現便捷的本地訓練指令碼以及分散式訓練和評估管道
SSD 模型使用了輕量化的 MobileNet，這意味著它們可以輕而易舉地在移動裝置中實時使用。在贏得 2016 年 COCO 挑戰的研究中，谷歌使用了 Fast RCNN 模型，它需要更多計算資源，但結果更為準確。
如需瞭解更多細節，請參閱谷歌發表在 CVPR 2017 上的論文：https://arxiv.org/abs/1611.10012
準備好了嗎？
這些程式碼在谷歌的計算機視覺應用中非常有用，谷歌希望本次開源能夠將這份便利帶給所有人。谷歌同時也歡迎更多貢獻者參與進來。現在，你可以下載程式碼，使用 Jupyter notebook 嘗試在圖片中識別物體，也可以開始在 Cloud ML 引擎中訓練你自己的識別器了。
- 程式碼：https://github.com/tensorflow/models/tree/master/object_detection
- Jupyter notebook：https://github.com/tensorflow/models/blob/master/object_detection/object_detection_tutorial.ipynb
- Cloud ML：https://cloud.google.com/blog/big-data/2017/06/training-an-object-detector-using-cloud-machine-learning-engine
參考資料
1. Speed/accuracy trade-offs for modern convolutional object detectors (https://arxiv.org/abs/1611.10012), Huang et al., CVPR 2017 (paper describing this framework)
2. Towards Accurate Multi-person Pose Estimation in the Wild (https://arxiv.org/abs/1701.01779), Papandreou et al., CVPR 2017
3. YouTube-BoundingBoxes: A Large High-Precision Human-Annotated Data Set for Object Detection in Video (https://arxiv.org/abs/1702.00824), Real et al., CVPR 2017 (see also our blog post (https://research.googleblog.com/2017/02/advancing-research-on-video.html))*
4. Beyond Skip Connections: Top-Down Modulation for Object Detection (https://arxiv.org/abs/1612.06851), Shrivastava et al., arXiv preprint arXiv:1612.06851, 2016
5. Spatially Adaptive Computation Time for Residual Networks (https://arxiv.org/abs/1612.02297), Figurnov et al., CVPR 2017
6. AVA: A Video Dataset of Spatio-temporally Localized Atomic Visual Actions (https://arxiv.org/abs/1705.08421), Gu et al., arXiv preprint arXiv:1705.08421, 2017
7. MobileNets: Efficient convolutional neural networks for mobile vision applications (https://arxiv.org/abs/1704.04861), Howard et al., arXiv preprint arXiv:1704.04861, 2017
原文地址：http://opensource.googleblog.com/2017/06/supercharge-your-computer-vision-models.html