Tensorflow猫狗识别模型在Android上的部署

自iphone X以来，各品牌的手机旗舰机型都开始支持Face ID。与之前的指纹识别相比，人脸识别还是更方便一些。近期在国内大火的抖音，也与人脸识别技术密不可分。各手机厂家还纷纷推出人工智能芯片，希望能让人工智能应用在手机、单片机上运行的更加流畅。可以看到，将在PC上已经大获成功的机器学习模型部署在移动设备上是大势所趋，又能引发一轮新的可能性。手机的精准定位带来了一大波O2O的应用，产生了包括美团、滴滴这样的巨型独角兽。那么人工智能在手机上的广泛应用又将带来什么变革呢？但这个问题不是本文讨论的重点，下面我来从技术角度出发，谈谈如何在Android上部署Tensorflow的图像识别模型。

Android中支持的Tensorflow模型文件为pb格式。pb相比于训练时的ckpt格式，会保存网络结构，并具有语言独立性，适合在移动端使用。

constant_graph = graph_util.convert_variables_to_constants(sess, sess.graph_def, ["output"])
with tf.gfile.FastGFile(pb_file_path, mode='wb') as f:f.write(constant_graph.SerializeToString())

同时，由于在Android中读取pb文件时要通过变量名来获取输入层和输出层，所以在保存pb文件前，我分别将输入和输出层变量名设为“input”和“output”。

train_batch = tf.add(train_batch, tf.zeros([IMG_W, IMG_H, 3]), name="input")
output = tf.add(train_logits, tf.zeros(N_CLASSES), name="output")

App界面采用最常见的底部导航栏结构，使用BottomNavigationView方式实现。拥有从相册中选图片识别和摄像头实时识别两个Fragment，页面间的切换采用FragmentTransaction的show/hide方式。

 fragmentManager = getSupportFragmentManager();FragmentTransaction transaction = fragmentManager.beginTransaction();transaction.add(R.id.fragment, mPhotoFragment = new PhotoFragment());transaction.add(R.id.fragment, mCameraFragment = new CameraFragment());transaction.commit();

对于摄像头Fragment，在onResume和onPause时分别Open、Release Camera；由于画面会不停移动需要重新对焦，还需要实现摄像头的自动对焦功能。

 @Overridepublic void onResume() {super.onResume();onHiddenChanged(false);}@Overridepublic void onPause() {onHiddenChanged(true);super.onPause();}

       @Overridepublic void surfaceChanged(SurfaceHolder surfaceHolder, int i, int i1, int i2) {camera.autoFocus(new Camera.AutoFocusCallback() {@Overridepublic void onAutoFocus(boolean success, Camera camera) {if(success){focus();//实现相机的参数初始化camera.cancelAutoFocus();}}});}

成功获取图片后，调用Classifier对图片进行识别。在Classifier中，将输入的bitmap图片转换成float数组，创建并调用TensorFlowInferenceInterface进行推断。根据识别结果对猫狗置信度的大小，在页面上展示猫或狗的头像。

       inferenceInterface.feed(inputName, floatValues, 1, inputSize, inputSize, 3);inferenceInterface.run(outputNames, logStats);inferenceInterface.fetch(outputName, outputs);

        Classifier.Recognition answer = null;for (final Classifier.Recognition recognition : results) {if (answer == null || recognition.getConfidence() > answer.getConfidence()) {answer = recognition;}}int resId = answer.getTitle().equals("cat") ? R.mipmap.cat : R.mipmap.dog;view.setImageResource(resId);

项目地址：https://github.com/wlkdb/TensorflowInAndroid

Tensorflow猫狗识别模型在Android上的部署相关推荐

tensorflow 猫狗识别数据增强
文章目录卷积网络参数网络配置模型训练和效果展示完整代码数据增强角度旋转平移变换缩放 channel_shift 翻转 rescale变化图像填充任务介绍: 有猫和狗的图片,需要对这 ...
tensorflow.js在nodejs训练猫狗分类模型在浏览器上使用
目录本人系统环境注意事项前言数据集准备处理数据集数据集初步处理将每一张图片数据转换成张量数据(tensor) 将图片转换成张量数组的代码和运行效果将图片的标注转换成张量数据(tenso ...
python：tflearn训练的猫狗识别模型及其使用
需要下载:pip install tflearn 一些理论知识在前一篇文章中:可以一起阅读学习 https://blog.csdn.net/m0_64596200/article/details/12 ...
利用yolov实现目标检测——利用yolov5训练自己的猫狗识别模型
作者有话说:我是个小白,这个是我的学习记录,以便以后回过头来看的时候能看懂;-),希望也可以帮助到大家
第十二章卷积神经网络实战--猫狗识别
1.介绍我们已经学习了如何用传统的神经网络进行机器学习,在本章我们学习一下如何使用简单的神经网络进行图像分类.数据集用的是Kaggle的猫狗数据集.这里只有前100张,如果需要更多的可以去Kaggl ...
简单的识别猫狗的模型
从Google下载猫狗训练集与验证集的zip压缩包,提取到项目目录下.这个文件夹里面包含训练(train)和验证(validation)数据集的子目录,而且每个子目录都包含猫和狗的子目录. 可以直接在 ...
TensorFlow 卷积神经网络之猫狗识别（二）
本文是TensorFlow 卷积神经网络之猫狗识别的姊妹篇,是加载上一篇博客训练好的模型,进行猫狗识别本文逻辑: 我从网上下载了十几张猫和狗的图片,用于检验我们训练好的模型. 处理我们下载的图片 ...
Tensorflow实现kaggle猫狗识别（循序渐进进行网络设计）
这篇是tensorflow版本,pytorch版本会在下一篇博客给出友情提示:尽量上GPU,博主CPU上跑一个VGG16花了1.5h... Tensorflow实现kaggle猫狗识别数据集获取 ...
猫狗大战——基于TensorFlow的猫狗识别（1）
微信公众号:龙跃十二我是小玉,一个平平无奇的小天才! 简介: 关于猫狗识别是机器学习和深度学习的一个经典实例,下来小玉把自己做的基于CNN卷积神经网络利用Tensorflow框架进行猫狗的识别的程序 ...

Tensorflow猫狗识别模型在Android上的部署

Tensorflow猫狗识别模型在Android上的部署相关推荐

最新文章

热门文章