【IT168 编译】谷歌在开源这条路上似乎走的越来越远、越来越深入，提到谷歌，相信大部分人都会竖一个大拇指。MobileNets是谷歌研发的移动端视觉识别模型，是通过预先训练来识别对象的一小组神经网络模型。从理论上来讲，这个软件应该是非常有价值的，但是谷歌现在却将它免费开源出来呢。
神经网络一旦被训练，那么接下来要做的事情就变得非常简单了，你只需要将每个输入乘以第一层的权重，然后将输出作为输入重复这个过程，直至到达最后一层，得出最终结果。虽然这听起来这个非常简单的事情，似乎最弱的处理器都可以计算出模型，但是实际情况却不是这样的，神经网络使用的真正进步就在于我们可以训练多大的网络，所以网络的巨大规模是我们必须要考虑的问题。现代神经网络拥有数百万的权重，所以要计算出经过训练的网络输出，必须要一个非常强大的处理器。
MobileNet网络架构是一系列在TensorFlow上高效、小尺寸的视觉模型，它允许用户在移动设备上计算神经网络。目前大多数移动AI应用程序都是通过将图像或语音片段上传到云之后，使用强大的处理器来处理实现模型。相信移动设备计算力的日益增长，之后无论何时何地，联网与否，AI技术都可以加载到移动设备中。
几乎所有型号的移动设备都已经在ILSVRC-2012-CLS图像数据集上接受过培训，因此它们不仅能够识别各种物体，甚至还可以围绕对象设置边框。
MobileNet基本模块：
ImageNet-2012验证集的准确性
MobileNet的性能众所周知，但是对于准确性性较低的网络或者是只需偶尔检测的应用程序，MobileNet的准确性如何?下表，就为您提供了详细的性能参数：
GitHub上也有和MobileNet众多相关的项目，例如zehaos分享的通过TensorFlow构建Mobile。2017年4月17日，提交的MobileNet项目在众多应用的用例中展示了其有效性，如对象检测、细粒度分析、面部属性以及大规模地理定位，从网友的测试来看，MobileNet的效果还是值得肯定的。
MobileNet虽然极有价值，但是这里还有一个问题值得我们思考，那就是为什么谷歌要开源这样一个有价值的软件?当MobileNet真正成长为一个杀手级软件，谷歌的慈善事业还会继续下去吗?从众多的GitHub项目和响应不凡的网友热情中，我们是不是可以窥见一些原因呢?
