公众号关注 “GitHubDaily”
设为 “星标”，每天带你逛 GitHub！
大家好，我是小 G。
今天给大家带来一款 AI 小游戏：『寻物大作战』，这款游戏是基于 GitHub 上两个开源项目实现的。
下面，我将手把手带你学习如何从头开发一个属于自己的寻物游戏！
话不多说，先带大家领略下效果！
虽然受限于数据，这款小游戏尚处于初级阶段，不过麻雀虽小，五脏俱全，这个小游戏囊括了数据准备、模型选择、模型优化、上线部署，四位一体的全部流程！
下面小 G 就为大家揭秘在这背后究竟是何原理，让你也能轻松拥有自己的专属的 AI 小游戏！
总体来说 “寻物大作战” 小游戏背后所依赖的正是目前 AI 领域最热门的深度学习技术，通过一套端到端的图像分类模型来实现物体识别的效果。
虽然听起来 “高大上”，有了下面这两个开发神器的力量加持，对新手用户，甚至是小白用户可以说非常友好！
这两个神器就是：百度飞桨图像分类套件 PaddleClas 和基于 JavaScript 的深度学习前端推理引擎 Paddle.js~
PaddleClas 作为 “开箱即用” 的图像分类套件，拥有 180 + 预训练模型，都只需经过简单配置，即可完成从训练到部署的全流程工作。
近年来，深度学习技术越发的火热，计算机视觉在生活中得到了越来越多的应用，但受制于深度学习技术对庞大算力的需求，其在手机等算力有限设备上的应用总是捉襟见肘。
以图像识别任务为例，高精度的网络模型往往意味着高算力的需求，『寻物大作战』能够在手机小程序中实现，而且可以针对视频流实时推理，其背后正是 PaddleClas 近期所推出的轻量级 CPU 场景骨干网络模型 PP-LCNet。
链接指路：https://github.com/PaddlePaddle/PaddleClas
PP-LCNet 模型以推理速度作为优化指标，特别针对 Intel CPU 平台所设计，同时兼顾 ARM 等移动端平台，在速度与精度的平衡上更为优秀，与现有 SOTA 模型相比，真正做到速度更快、精度更高。
此外，经过验证，PP-LCNet 在目标检测、语义分割等下游视觉任务上同样具有优秀的性能。
Paddle.js 是百度飞桨基于 JavaScript 的深度学习框架，也是国内首款开源前端智能框架。其应用环境不局限于浏览器，对小程序同样做了支持。
通过 Paddle.js 运行 AI 模型，可以提供给用户高实时性、低延迟的体验，逐渐成为处理 AI 需求的更优解。
在『寻物大作战』小游戏中，使用 Paddle.js 仅仅三个步骤就能赋予小程序 AI 能力。
轻松接入 Paddle.js 后，我们接下来看看在『寻物大作战』小程序上的最终实践效果。游戏要求玩家在规定时间内，利用手机摄像头，找出和题目匹配的物品。
主体实现思路可以归纳为，利用 Paddle.js 连续推理摄像头中的图像信息，判断和题目物品是否相符。仅仅几行代码就可以帮你实现！
不难分析出，推理运算耗时在一定程度上会影响游戏的流畅度。耗时越少，用户感受越好。我们在 WebGL backend 上对不同机型测试了推理耗时，在红米 K30 上单帧推理耗时仅为 32.1 毫秒，iPhoneX 为 49.24 毫秒，对比采用网络传输数据至服务端推理的方案，性能优势显而易见！
在应对需要推理结果具有较好实时性的需求时，采用 Paddle.js 的方案将是更优的选择。
Paddle.js 作为前端深度学习框架，还提供了模型转换、模型优化、性能工具和预训练模型库，其中预训练模型库包含了人像分割、文字识别、手势识别及物品分类等模型的 SDK， 提供了开箱即用的 AI 能力，帮助用户快速实现 AI 效果。
在性能方面，通过算子融合、数据并行计算以及 FP16 量化等优化策略提升推理性能，给用户更好的使用体验。同时 Paddle.js 也提供了全套的模型加密方案保证用户模型安全。
说了这么多，感兴趣的小伙伴肯定迫不及待了吧～下面就送上我们的项目传送门：
https://github.com/PaddlePaddle/Paddle.js
✨ 开源不易，还请大家给程序猿小哥哥一个 Star 鼓励吧～
游戏尝鲜👇
此次小游戏是我们为大家提供底层基础能力抛砖引玉，希望小伙伴们可以集思广益，带来更多的创意和玩法哦～
直播预告
11 月 1 日，这款小游戏的作者将来到飞桨直播间，分享这款微信识物小游戏是如何炼成的，欢迎大家进群观看直播，进行技术交流喔。
直播精彩抢先看：
深度学习图像分类应用介绍；
识图小游戏模型原理揭秘；
Paddle.js 助力小程序快速推理
模型训练部署一条龙上手
直播时间：11 月 1 日 19:00-21:00
直播链接：http://live.bilibili.com/21689802
（扫码入群，观看直播）
