TensorFlow Lite adalah solusi ringan yang disediakan oleh TensorFlow untuk menjalankan model pembelajaran mesin di perangkat seluler dan IoT. Saat interpreter TensorFlow Lite memproses model pengenalan objek dengan bingkai dari kamera perangkat seluler sebagai masukan, keluarannya biasanya melibatkan beberapa tahapan yang pada akhirnya memberikan prediksi terkait objek yang ada dalam gambar.
Pertama, frame input dari kamera perangkat seluler dimasukkan ke dalam interpreter TensorFlow Lite. Penerjemah kemudian memproses gambar masukan dengan mengubahnya menjadi format yang sesuai untuk model pembelajaran mesin. Langkah prapemrosesan ini biasanya melibatkan pengubahan ukuran gambar agar sesuai dengan ukuran masukan yang diharapkan oleh model, normalisasi nilai piksel, dan kemungkinan penerapan transformasi lain yang spesifik pada arsitektur model.
Selanjutnya, gambar yang telah diproses sebelumnya dilewatkan melalui model pengenalan objek dalam interpreter TensorFlow Lite. Model memproses gambar menggunakan parameter dan arsitektur yang dipelajari untuk menghasilkan prediksi tentang objek yang ada dalam bingkai. Prediksi ini biasanya mencakup informasi seperti label kelas objek yang terdeteksi, lokasinya dalam gambar, dan skor keyakinan yang terkait dengan setiap prediksi.
Setelah model membuat prediksinya, interpreter TensorFlow Lite mengeluarkan informasi ini dalam format terstruktur yang dapat digunakan oleh aplikasi yang menggunakan model tersebut. Output ini dapat bervariasi tergantung pada persyaratan spesifik aplikasi, namun umumnya mencakup kelas objek yang terdeteksi, kotak pembatas yang menguraikan objek dalam gambar, dan skor keyakinan terkait.
Misalnya, jika model pengenalan objek dilatih untuk mendeteksi objek umum seperti mobil, pejalan kaki, dan rambu lalu lintas, output dari penafsir TensorFlow Lite mungkin menyertakan prediksi seperti "mobil" dengan kotak pembatas yang menentukan lokasi mobil di dalam objek. gambar dan skor kepercayaan yang menunjukkan kepastian model tentang prediksi.
Output dari interpreter TensorFlow Lite untuk model pembelajaran mesin pengenalan objek yang memproses bingkai dari kamera perangkat seluler melibatkan pemrosesan awal gambar masukan, meneruskannya melalui model untuk inferensi, dan memberikan prediksi tentang objek yang ada dalam gambar dalam format terstruktur cocok untuk diproses lebih lanjut oleh aplikasi.
Pertanyaan dan jawaban terbaru lainnya tentang Dasar-dasar TensorFlow EITC/AI/TFF:
- Bagaimana cara menggunakan lapisan penyematan untuk secara otomatis menetapkan sumbu yang tepat untuk plot representasi kata sebagai vektor?
- Apa tujuan pengumpulan maksimal di CNN?
- Bagaimana proses ekstraksi fitur dalam jaringan saraf konvolusional (CNN) diterapkan pada pengenalan gambar?
- Apakah fungsi pembelajaran asinkron perlu digunakan untuk model pembelajaran mesin yang berjalan di TensorFlow.js?
- Berapa parameter jumlah kata maksimum TensorFlow Keras Tokenizer API?
- Bisakah TensorFlow Keras Tokenizer API digunakan untuk menemukan kata yang paling sering digunakan?
- Apa itu TOCO?
- Apa hubungan antara jumlah epoch dalam model pembelajaran mesin dan keakuratan prediksi dari menjalankan model?
- Apakah API paket tetangga di Neural Structured Learning TensorFlow menghasilkan kumpulan data pelatihan tambahan berdasarkan data grafik alami?
- Apa yang dimaksud dengan API paket tetangga di Neural Structured Learning TensorFlow?
Lihat lebih banyak pertanyaan dan jawaban di EITC/AI/TFF TensorFlow Fundamentals