基于Mediapipe的对象分类任务，CPU平台毫秒级别延迟

计算机视觉任务一直是GPU的天下，由于GPU超强的算力，也把计算机视觉任务提高了很多水平。但是在移动终端平台，如何来运行大型的模型，一直是大家关注的话题。Mediapipe是Google开源的可以直接运行在移动终端设备上的多任务模型，不仅在计算机视觉任务上，还是NLP自然语言处理任务上，都取得的较好的成绩。本期我们来看看使用Mediapipe如何进行对象分类任务。

Mediapipe对象分类任务，输入可以是以下数据类型之一：

• 静止图像
• 解码后的视频帧
• 现场视频直播

图像分类器输出一个类别列表，其中包含：

• 类别索引：模型输出中类别的索引
• Score：该类别的置信度得分，通常是[0,1]中的概率
• 类别名称（可选）：TFLite 模型元数据中指定的类别名称
• 类别显示名称（可选）：TFLite 模型元数据中指定的类别的显示名称

图像分类器需要下载图像分类模型，Mediapipe提供了2种尺寸的模型供用户下载。

EfficientNet-Lite0模型

EfficientNet-Lite0 模型使用 EfficientNet 架构，并使用ImageNet进行训练以识别 1,000个类别，例如树木、动物、食物、车辆、人等。EfficientNet-Lite0 可用作 int8