الوصف
تمثل MobileNets تقدمًا كبيرًا في رؤية الكمبيوتر على الجهاز، حيث تقدم عائلة من النماذج المحسّنة للأداء وكفاءة الموارد. تم تطوير هذه النماذج لـ TensorFlow، وهي مصممة خصيصًا لمعالجة تحديات تشغيل مهام التعرف المرئي المعقدة على الأجهزة المحمولة والمدمجة، حيث تكون قوة الحوسبة وعمر البطارية والتخزين محدودة.
يكمن الابتكار الأساسي وراء MobileNets في بنيتها، المصممة لتكون صغيرة، ذات زمن انتقال منخفض، واستهلاك طاقة منخفض. يتيح ذلك مجموعة واسعة من التطبيقات، بما في ذلك التصنيف، الكشف، التضمين، والتجزئة، ليتم تنفيذها مباشرة على الجهاز. على عكس الحلول المستندة إلى السحابة التي تتطلب اتصالاً مستمرًا بالإنترنت، تتيح MobileNets الوصول إلى تقنيات التعرف المرئي في أي وقت وفي أي مكان.
تمت معايرة هذه النماذج لتلبية قيود الموارد لحالات الاستخدام المختلفة. يمكن إدارة المفاضلة بين الدقة وزمن الانتقال وحجم النموذج عن طريق اختيار متغيرات MobileNet مختلفة. على سبيل المثال، تتوفر نماذج مع عدد مختلف من عمليات الضرب والتجميع (Million MACs) والمليارات من المعلمات (Million Parameters)، مما يؤثر بشكل مباشر على سرعتها وبصمتها الذاكرية. يتم قياس دقة Top-1 و Top-5 على مجموعة بيانات ILSVRC، مما يوفر مقاييس أداء واضحة للمطورين.
يمكن البناء على MobileNets لمهام أكثر تعقيدًا، على غرار كيفية استخدام النماذج الأكبر مثل Inception. تشمل الأمثلة على التطبيقات التصنيف الدقيق، والتعرف على السمات، وتحديد المواقع الجغرافية. يتضمن الإصدار تعريفات النماذج في TensorFlow باستخدام TF-Slim و 16 نقطة تحقق مصنفة مسبقًا لـ ImageNet، مما يسهل التكامل في مشاريع الهاتف المحمول بجميع الأحجام. للنشر على الأجهزة المحمولة، يوصى باستخدام TensorFlow Mobile.
تسمح الطبيعة مفتوحة المصدر لـ MobileNets للمطورين بالاستفادة من هذه النماذج القوية بحرية. يهدف المشروع إلى دمقرطة قدرات رؤية الكمبيوتر المتقدمة، وجعلها متاحة لمجموعة أوسع من المطورين والتطبيقات. توفر الورقة المصاحبة، "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications"، تفاصيل تقنية معمقة لأولئك الذين يسعون لفهم المبادئ الأساسية والتحسينات.
أبرز ملامح MobileNets: رؤية فعالة على الجهاز
عائلة من نماذج رؤية الكمبيوتر المصممة للهواتف المحمولة
مصممة لـ TensorFlow
محسّنة للتطبيقات على الجهاز والمدمجة
زمن انتقال منخفض واستهلاك طاقة منخفض
معايرة لإدارة قيود الموارد
تدعم التصنيف، الكشف، التضمين، والتجزئة
نقاط تحقق مصنفة مسبقًا لـ ImageNet متاحة
تنفيذ فعال باستخدام TensorFlow Mobile
إصدار مفتوح المصدر لاستخدام المجتمع
نماذج متاحة بأحجام ومستويات دقة مختلفة
البدء مع MobileNets: رؤية فعالة على الجهاز
الوصول إلى النموذج: احصل على تعريفات نماذج MobileNets ونقاط التحقق المصنفة مسبقًا.
إعداد البيئة: قم بتثبيت TensorFlow و TensorFlow Mobile على منصة التطوير الخاصة بك.
التكامل عبر API: قم بتحميل نموذج MobileNet المختار في تطبيقك.
تنفيذ مهام الرؤية: استخدم النموذج لتصنيف الصور، اكتشاف الكائنات، أو مهام أخرى مدعومة.
تحسين الأداء: اختر متغيرات النموذج بناءً على متطلبات زمن الانتقال والحجم والدقة.
النشر على الجهاز: قم بتشغيل النموذج المتكامل على الأجهزة المحمولة أو المدمجة.
حالات استخدام MobileNets: رؤية فعالة على الجهاز
- تصنيف الصور على الجهاز
- الكشف عن الكائنات في الوقت الفعلي
- رؤية الكمبيوتر المصممة للهواتف المحمولة
- التعرف المرئي دون اتصال
- التطبيقات ذات القيود على الموارد
- التصنيف الدقيق
- التعرف على السمات
