机器学习新人，想以最快的方式实现 Google 的 Vision AI 或者 clarifai 那样的功能，该怎么做？

[kisshere]

给出一张照片，能把里面几乎所有的物体识别出来，这方面感觉 Google 的 vision AI 和 clarifai 做的很不错：

https://cloud.google.com/vision/

https://www.clarifai.com/demo

想实现这样的效果，需要选择什么样的框架和数据集，目前我正在学习 YOLO V3，不知道这个框架能不能达到这样的效果？还有没有更好的框架？另外，什么样的数据集来训练最好？

[lllllliu]

0.0 拿现成的模型用或者做迁移训练他不香么。

[kisshere]

@lllllliu 哪里有现成的模型？

[wangkai0351]

这些 DL 框架现在工程化了，工程化=踩坑多的人经验多

[locoz]

仅从标题来说，砸钱

[boyhailong]

最快的速度实现人家商业化的产品？一个人？

[Stain5]

android 上又很多类似的 app 下几个下来反编译看看

[Olament]

首先要搞明白你想要做的是 Object Detection 还是 Multi-label Image Classification。 你给的 Clarifai 的 demo 演示的是 Multi-label Image Classification。 但是你提到的 YOLO v1/v2/v3 是一个 Object Detection System。

对于 YOLO v3 是不是一个好的 Object Detection System，这完全取决于你的应用。比如说你不考虑实际部署，那有很多表现比 YOLO 但是更“重”的 Two-stage Dection State-of-the-art system。参考： https://paperswithcode.com/task/object-detection。 但是如果你要把你的模型部署的实际设备上去，那 YOLO “足够好".

对于选用数据集的问题， 一般来说 Image Classficiation 采用的都是 ImageNet 训练。Object Detection 我不太熟悉，但是 COCO 似乎是一个比较流行的数据集。但是，对于这些大家研究的都比较透彻的 Computer Vision task，不推荐你自己来训练模型，主要是搭建模型和训练模型如果没有相关经验会踩很多坑。完全可以下载别人已经训练好的模型，比如： https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

[MOONLIGHTT]

毕设的时候用 SSD 做了一个人脸检测系统，训练数据集用的 wider face。

[kisshere]

@Olament 感谢大神回答，请问你说的 https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

这里面哪个模型能实现 clarifai 那样的精准度？

[Olament]

@kisshere 我给的这个连接是 pre-trained 物体检测模型。Clarifai 演示的是 多标签图像分类。所以这两个实现的不是任务。
关于有没有公开的模型能达到 Clarifai 的精度的问题。我搜索了一下，没有发现 Clarifai 自己有公开自己模型的性能。所以精度也无从比较。而且，一般来说，计算机视觉模型的性能不仅仅取决于模型的架构，和训练时采用的数据集也有关系。Clarifai 肯定用了自己收集的 非公开 的数据集来训练模型，而且模型估计也跑在多个 GPU 上，所以自己单机的训练的模型应该很达到 Clarifai 的精度。

https://github.com/tensorflow/models/tree/master/research/slim#Pretrained
这个连接是 TensorFlow 官方给出的预训练的图像分类模型，我推荐你可以自己下一个 ResNet 50/101/152 （模型大小取决于你的 GPU ），然后看看能不能满足的需求