Android 开发者挑战赛开始啦！利用机器学习赋能世界！

"金" 秋时节，Android 开发者挑战赛强势回归，邀请全球开发者参与，使用基于终端设备的机器学习 (on-device machine learning) 技术创新创造。但是，究竟什么才算是惠及世界的创新呢？我们在本文中总结了几款 Google 的基于设备的机器学习产品，并罗列了近期的几个成功案例，希望可以帮助您激发灵感，打造出色应用。 

另外特别提醒大家，本次大赛的作品提交截止日期是 12 月 2 日，请各位开发者务必在此之前提交作品！

即刻前往大赛官方介绍页面

https://developer.android.google.cn/dev-challenge

• 腾讯视频链接
  

  https://v.qq.com/x/page/e302573twfm.html
  

• Bilibili 视频链接

  https://www.bilibili.com/video/av76972514/

赋能科技新农业: 利用机器学习防治虫患

乌干达的农民深受虫害困扰，Nazirini Siraji 和其他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，然后利用 TensorFlow 重新训练了迁移学习模型 MobileNet，并通过 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。农民拍摄并导入农作物照片后，应用便可以对某一帧图片进行分析，并判断农作物当前是否正在遭受秋粘虫的侵扰，然后再根据结果提供可能的解决方案。怎么样，是不是超级棒的一个应用？ 

访问 TensorFlow 官方网站

https://tensorflow.google.cn

• 自学 TensorFlow
  https://developers.googleblog.com/2019/11/using-machine-learning-to-tackle-fall-armyworm.html
• MobileNet
  https://ai.googleblog.com/2017/06/mobilenets-open-source-models-for.html
• TensorFlow 转换器 
  https://tensorflow.google.cn/lite/convert/
• FlatBuffer
  https://google.github.io/flatbuffers/

赋能医疗行业: 利用机器学习识别呼吸道疾病

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。

• Tambua Health

  https://www.tambuahealth.com/

• TensorFlow Lite

  https://www.tensorflow.org/lite

赋能零售业: adidas 利用机器学习打造卓越购物体验

机器学习正在为各行业注入创新活力，零售业自然也不例外。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。顾客可以一边逛店，一边通过应用中的 Visual Lookup (图片搜索) 功能扫描店内商品并查看所选款式的库存情况，无需排队就能选择合适自己尺寸的商品。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，向我们展示了机器学习在解决问题方面的出色表现。

基于终端设备的机器学习的优势

直接在设备上进行机器学习具备诸多裨益。首先，传输至服务器的数据量大幅减少，使得用户的隐私保护得到显著提升。第二点，由于模型完全在本地运行，因此，即使在离线条件下，模型依旧可以正常工作，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能够实现超低延迟，让您可以解锁各种各样的用户新体验。机器学习带来的不仅仅是流程自动化，它更重要的影响还是赋能于人，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: 

• ML Kit 为开发者提供了一站式的 SDK 合集，帮您利用强大的 Google 机器学习模型解决问题。

• TensorFlow Lite 框架可以创建自定义模型并对其进行优化，以便在 Android 平台上运行。

• Firebase 和 Google Cloud 两个基础设施平台能够为您的模型训练提供强大助力。您可以利用 AutoML Vision Edge 来训练特定类型的本地模型，或借助平台的强劲计算能力来训练自己的模型。 

• ML Kit
  https://developers.google.cn/ml-kit/
• TensorFlow Lite 框架
  https://tensorflow.google.cn/lite
• Firebase
  https://firebase.google.cn/docs/ml-kit/automl-image-labeling
• Google Cloud
  https://cloud.google.com/products/ai/

如果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！我们将从中选取 10 位候选作品，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，我们会通过 Google Play 以多种形式向亿万用户展示您的作品。请前往比赛官网，看看我们为您准备了哪些精美奖品。 

我们将于 12 月 2 日关闭方案提交通道，请务必在此之前提交方案，十分期待大家的精彩表现！希望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！

 点击屏末 | 阅读原文 | 前往比赛官网，查看更多内容！

  想了解更多 Android 内容？

• 在公众号首页发送关键词 "Android"，获取相关历史技术文章；

• 在公众号首页发送关键词 "ADS"，获取开发者峰会演讲中文字幕视频；
  

• 还有更多疑惑？欢迎点击菜单 "联系我们" 反馈您在开发过程中遇到的问题。

推荐阅读

---