用于*移动设备*上的对象检测的MobileNet
MobileNet是一种用于移动设备上的对象检测算法。它是一种轻量级的卷积神经网络（CNN），专门设计用于在计算资源有限的移动设备上进行实时对象检测。
MobileNet的主要特点是高效和快速。它通过使用深度可分离卷积（depthwise separable convolution）来减少计算量和参数数量。深度可分离卷积将标准卷积操作分解为两个步骤：深度卷积和逐点卷积。这样可以在保持较高准确率的同时，大幅减少计算量和模型大小，使得MobileNet非常适合在移动设备上部署和运行。
MobileNet在移动设备上的对象检测应用场景非常广泛。它可以用于实时人脸识别、物体识别、图像分类、行人检测等任务。由于其高效性能和轻量级特点，MobileNet可以在移动设备上实现实时的对象检测和识别，为移动应用提供了强大的功能支持。
腾讯云提供了一系列与移动设备对象检测相关的产品和服务，其中包括：
- 腾讯云图像识别（https://cloud.tencent.com/product/imagerecognition）：提供了基于深度学习的图像识别和分析服务，包括人脸识别、物体识别等功能，可与MobileNet结合使用。
- 腾讯云智能视频分析（https://cloud.tencent.com/product/iva）：提供了基于视频内容的智能分析服务，包括人脸识别、物体识别、行为分析等功能，可用于移动设备上的实时视频对象检测。
- 腾讯云移动推送（https://cloud.tencent.com/product/umeng_push）：提供了移动设备消息推送服务，可用于将对象检测结果实时推送给移动应用用户。
通过结合MobileNet和腾讯云的相关产品和服务，开发者可以快速构建高效、准确的移动设备对象检测应用，并实现实时的对象识别和分析功能。
相关·内容
1回答
我正在尝试在安卓系统上使用MobileNet进行对象检测。虽然微调网络运行良好，但由此产生的模型不能在Android上使用。它与使用TensorFlowMultiBoxDetector的Android对象检测演示应用程序不兼容(张量名称、形状)。现在我有了一个不能在手机上使用的MobileNet。我在CVPR2017上看过一个使用MobileNetV1的安卓物体<
浏览 31提问于2017-08-09得票数 0
ssd_mobilenet_v2_fpnlite_640x640的体系结构是什么，它是一个在TensorFlow模型动物园上可用的模型。如果我的理解是正确的，移动网用于特征提取，而SSD用于检测。那么，FPNlite的目的是什么，在哪里使用呢？
浏览 0提问于2022-12-06得票数 1
回答已采纳
我已经成功地使用了ssd_mobilenet_v1_coco_11_06_2017模型的Tensorflow对象检测API。我是否可以将它用于Tensorflow对象检测API，以及如何更改配置文件以及如何找到它？
浏览 0提问于2018-03-16得票数 2
回答已采纳
我使用MobileNet_v1_1.0_224 tensorflow模型进行对象检测。现在，我有了我需要转换为tflite扩展的自定义冻结图(.pb文件)，这样我就可以在移动设备上使用我的模型了。有人能帮我识别这个张图中的输入和输出名称吗？我需要它们作为输入和输出参数，将冻结的图形(.pb文件)转换为tensorflow lite (.tflite)文件。
浏览 0提问于2018-09-15得票数 1
回答已采纳
2回答
我把SSD和mobilenet搞混了。据我所知，它们都是神经网络。SSD提供本地化，而mobilenet提供分类。因此，SSD和移动网络的结合可以产生目标检测。这张图片来自。SSD的默认分类网络是VGG-16。因此，对于SSD Mobilenet，VGG-16将替换为移动网络。我的陈述正确吗？我在哪里可以获得更多关于SSD Mobilenet的信息，特别是在Tensorflow模型动物园上<
浏览 2提问于2018-05-29得票数 4
我想用tensorflow对象检测API创建一个模型来检测信用卡中的卡号。所以我准备了我的卡片数据集，大约50000张卡片用于训练，15000张卡片用于validation.My模型是SSD_Mobilenet_V1_0.25_224，我运行了280K步的训练。一切看起来都很好，我的<code>D0</code>小于1，大约0.8，我的<code>D1</code>是
浏览 54提问于2019-12-02得票数 2
回答已采纳
我按照这里的示例使用提供的示例代码(imprinting_learning.py)定制模型(最初是MobileNet v1)。检测模型应该有4个输出张量！这种模型有1。我尝试在mobilenet_ssd_v2_coco_qua
浏览 1提问于2020-05-18得票数 0
回答已采纳
我正在使用TensorflowLite C++API在android上开发对象检测应用程序。当我将模型转换为tflite时，转换后的tflite模型的输出与最初提供的.pb文件在相同的测试映像上的输出不同。但是，转换后的tflite模型的检测输出不同于原始提供的.pb文件的检测输出。如何将.pb文件转换为.tflite，以便.t
浏览 5提问于2020-02-25得票数 0
1回答
我已经训练了一个模型来检测移动设备(Android和iOS)中使用的定制对象，我的代码是基于tensorflow为和提供的示例。在我的测试中，我注意到了安卓应用程序和iOS应用程序在性能上的差异。一些性能示例(检测到的对象数量)：img1 - 57 - 74img3 - 43 - 78我在这两个
浏览 2提问于2020-06-16得票数 0
回答已采纳
我有一个包含卫星图像的数据集。因此，数据集与通常用于目标检测的图像数据集有很大不同。我训练了ssd_mobilenet_v1_pets模型，但训练后的模型表现很差。这是否意味着ssd_mobilenet_v1_pets不是一个很好的卫星图像候选者？在我的例子中，TF对象检测中的其他所有可用模型中，哪一个会表现得更好？
浏览 2提问于2017-12-09得票数 2
回答已采纳
图像分类.使用预训练模型(MobileNet V2模型) https://www.tensorflow.org/tutorials/images/transfer_learning#create_这个_基座_模型_从…_这个_预训练_凸网进行传递学习和微调
对象检测-见Create model and restore weights for all but last layer节(ssd_resnet50模型)- https://github.com/tenso
浏览 0提问于2022-08-03得票数 0
1回答
我在mobilenet和SSD之间有一些混淆。据我所知，mobilenet是用于分类和识别的神经网络，而SSD是用于实现多盒检测器的框架。只有两者的结合才能进行目标检测。因此，mobilenet可以与resnet、inception等互换。SSD可以与RCNN互换。我的陈述正确吗？
浏览 5提问于2018-04-12得票数 22
我已经使用ssd_mobilenet_v1_coco_2017_11_17模型训练了对象检测接口来检测自定义对象。但在训练之后，API只检测自定义对象，而不检测API已经训练过的对象。ssd_mobilenet_v1_coco_2017_11_17模型检测到90个对象。
有没有办法将更多的类添加到现有的模型中，以便它可以检测到新
浏览 3提问于2018-01-24得票数 0
我有一个安卓平板电脑，我在可用的例子中安装了TensorFlow-Lite DetectorActivity。它在Android平板电脑上运行得很好。我最初的目标是在Android上运行一个对象检测应用程序。还必须在检测到的对象上绘制边界矩形。
我在寻找一个使用TensorFlow-Lite并在Android上运行的Android应用程序的例子。我在我的<
浏览 1提问于2018-11-22得票数 2
1回答
这里有两种使用py手电筒的mobilenet_v3_large的方法。第一个使用量化的而不是：import torch
import torchfrom torchvision.models.quantization import mobilenet_v3_
浏览 8提问于2022-08-05得票数 1
1回答
我已经训练了一个具有自定义数据集(电池)的SSD Mobilenet模型。下面给出了电池的示例图像，并附上了我用来训练模型的配置文件。
当物体靠近摄像机(用摄像头测试)时，它用概率在0.95上准确地检测到物体，但当我将物体移动到更远的距离时，它就没有被检测到。调试后，发现该对象被检测到，但概率较低的为0.35。最小阈值设置为0.5。如果将阈值更改为0.5到0.2，则会检测
浏览 0提问于2019-05-10得票数 6
1回答
我一直在尝试使用最新的MobileNet MobileNet_v3来运行对象检测。你可以从这里找到谷歌预先训练好的模型，比如我正在尝试使用的"ssd_mobilenet_v3_large_coco“：https://github.com/tensorflow/models/blob/master/research/object_detection/g3d
浏览 66提问于2019-12-19得票数 3
我正在尝试创建一个移动应用程序，它使用对象检测来检测特定类型的对象。为此，我从使用TF2和ssd_mobilenet_v1的Tensorflow object detection example Android app开始。我想尝试Few-Shot training (Colab链接)，所以我首先将示例应用程序的SSD Mobilenet v1下载替换为Colab的输出文件model.tflite，
浏览 27提问于2020-12-24得票数 0
我正在为Android开发一个对象检测应用程序，我在使用ssd_mobilenet_v1_fpn模型进行培训时获得了良好的性能。Google：这里
浏览 20提问于2020-09-16得票数 0
回答已采纳
我正在研究谷歌全新的MobileNetV2架构。例如，Mobilenet V2在移动设备上比Mobilenet V1快，但在桌面GPU.‘上稍微慢一些。这怎么可能？我真的很想知道为什么。
浏览 0提问于2018-05-17得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
