另外特别提醒你们,本次大赛的做品提交截止日期是 12 月 2 日,请各位开发者务必在此以前提交做品!html
即刻前往大赛官方介绍页面:android
developer.android.google.cn/dev-challen…git
v.qq.com/x/page/e302…github
www.bilibili.com/video/av769…服务器
点击下面连接可查看视频:框架
乌干达的农民深受虫害困扰,Nazirini Siraji 和其余几位开发者注意到这个问题后,决定自学 TensorFlow 来帮助当地农民解决虫患难题。他们拍摄了附近农田的图片,从中收集训练数据,而后利用 TensorFlow 从新训练了迁移学习模型 MobileNet,并经过 TensorFlow 转换器生成了一个 TensorFlow Lite FlatBuffer 文件,最后再将文件部署到 Android 应用中。农民拍摄并导入农做物照片后,应用即可以对某一帧图片进行分析,并判断农做物当前是否正在遭受秋粘虫的侵扰,而后再根据结果提供可能的解决方案。怎么样,是否是超级棒的一个应用?ide
访问 TensorFlow 官方网站:工具
点击下面连接可查看视频:
Tambua Health 公司使用 TensorFlow Lite 开发了一款医疗应用,让智能手机摇身一变成为一款功能强大的非入侵型筛查工具,协助医生诊断病人是否患有呼吸道疾病。该应用可帮助医生分析并识别肺部是否存在啰音、爆裂音、喘呜音等任何异常呼吸音。
机器学习正在为各行业注入创新活力,零售业天然也不例外。全球知名运动品牌 adidas 最近为伦敦旗舰店发布了一款名为 "Bring It to Me" 的应用功能,借助机器学习为消费者提供交互式的购物体验。顾客能够一边逛店,一边经过应用中的 Visual Lookup (图片搜索) 功能扫描店内商品并查看所选款式的库存状况,无需排队就能选择合适本身尺寸的商品。卓越体验的背后是来自 ML Kit 的技术支持。这一场技术与零售业的邂逅从一个新的角度探索了机器学习的实际用例,向咱们展现了机器学习在解决问题方面的出色表现。
直接在设备上进行机器学习具有诸多裨益。首先,传输至服务器的数据量大幅减小,使得用户的隐私保护获得显著提高。第二点,因为模型彻底在本地运行,所以,即便在离线条件下,模型依旧能够正常工做,这一点十分适合处理无信号区域的使用场景,例如: 雨林腹地、沙漠或伦敦地铁。最棒的一点是,在设备本地运行模型可以实现超低延迟,让您能够解锁各类各样的用户新体验。机器学习带来的不单单是流程自动化,它更重要的影响仍是赋能于人,帮助人们更好地解决问题。
Google 也提供了丰富的技术支持,协助开发者充分利用机器学习技术,缔造更多精彩:
若是您有新奇的想法想要实现,想要帮助人们解决实际问题,就请赶快行动吧!咱们将从中选取 10 位候选做品,并提供专业指导,协助您制定计划,让您的点子成为改善人们生活的真切力量!当应用开发完成后,咱们会经过 Google Play 以多种形式向亿万用户展现您的做品。请前往比赛官网,看看咱们为您准备了哪些精美奖品。
咱们将于12 月 2 日关闭方案提交通道,请务必在此以前提交方案,十分期待你们的精彩表现!但愿能与您一同利用设备内置机器学习技术,打造出更多创新应用,让技术真正赋能全球用户!
点击这里前往比赛官网,查看更多内容!