谷歌开源图像分割模型于CloudTPU上

【】从去年开始向谷歌云平台用户提供订制的张量处理器（TPU）芯片，该芯片被专门设计用于执行推断、自然语言处理、图象辨认和增强学习等任务。为了向运行在该芯片上的程序提供支持，谷歌逐步开源了语言模型BERT、MorphNet架构和UIS-RNN架构等，周三，这家科技巨头进一步开源了两种图象分割模型，这两种模型在CloudTPU上均实现了艺术级的表现。

谷歌

这两款模型——Mask R-CNN和DeepLab v +，能够自动分类图像中的区域并且支持两种图像分割方法：第一种为个体分割，它能为图像中的每个个体划分类别，另一种为语义分割，也就是根据图象中物体的种别或者物体的外表标注图象中的每个像素。

谷歌解释称，Mask R-CNN是一种能够一次定位多个物体的2阶段个体分割系统，第一阶段系统从图象中提取图形用以识别可能的分割区域，第二阶段系统改进上阶段的结果并预测物体种别。

另一方面，DeepLab v +重视分割速度，它在TPU硬件上依托开源PASCAL VOC 2012图像数据库和谷歌TensorFlow机器学习架构训练而成，整个训练进程耗时不超过5个小时。

谷歌并不是唯一推出此类工具的公司，三月份开源了用于加快机器学习运行的FPGA，而亚马逊也向客户提供了自己的FPGA硬件并且正在开发一款加速Alexa模型训练的AI芯片。

版权所有，未经许可不得转载

什么引起快速型心律失常

快速型心律失常如何引发

糖尿病多方位综合调治