【TF】06 使用MobileNet模型进行物体识别

MobileNet是一个轻量化的神经网络模型，所谓轻量化就是可以在一般的家用pc和手机上跑起来的模型。一般我们人工智能的在线服务后端很可能是一个有几千层，还有n个模型相互嵌套的引擎，并且还有伴随着很多人工的优化和结果处理。而MobileNet全部细分层加起来也只有88个，最后结果输出1000个常见物品的分类。

下图是mobilenet的拓扑结构

我们新建一个项目，并且记得先新建一个model变量保存模型的名字。

之后我们需要mobilenet的模型和训练权重，这两个文件可以在我们github仓库找到

本节需要下载这三个文件

下载方式需要注意，很容易犯错，CC喵就中招了。下载这三个文件的时候需要点进去（如下图），这里以mobilenet.json为例，点进去后，右键另存为下载。

拖入如下的加载代码

第二个方块是加载模型的输出结果名称，因为机器输出的是0~999这样的数字，我们需要将这些数字转换成名字。其中224label.csv这个文件就保存了我们需要的名称。其中item是一个list变量，加载之后我们可以看看item的内容：

我们这个示例项目的思路是在背景中加入不同的小动物图片，切换这些图片的过程中识别背景中的动物。

删除白背景，添加动物图（动物图需要自己上传添加，可以自己网上随意找，尽量找背景是白色的，保证识别的准确度。）

猫咪精灵的代码如下（从背景编辑状态切回到精灵状态，需要鼠标点击一下喵咪精灵）

这里用到谷歌翻译插件，因为分类命名是英文的，我们用谷歌翻译成中文（电脑需要联网）

我们设计的猫咪精灵的程序汇总，识别的过程中将猫咪隐藏，防止干扰识别结果。

最后效果如下~可能你做出来的实验结果跟我的不一样，大致分类是对的，但是可能归类到别的大类去。这是正常的，毕竟这个模型还是需要提高精确度。

下一节我们讲解如何改造MobileNet让它识别我们需要的分类，例如剪刀石头布：