7. 機器學習¶

影像章節中的大多數偵測器都是針對某個特定目標人工撰寫的：色塊追蹤的人工調校色彩範圍、邊緣濾波器的人工推導權重圖樣、直線與圓形尋找器的固定幾何假設。每一個演算法都涵蓋一種任務，而新增一個目標就意味著要撰寫一個新的演算法。機器學習改變了這個工作流程。應用程式不再是每個目標一個演算法，而是載入一個訓練好的模型（trained model）——一疊在桌機上以許多範例影像離線產生的權重——並在相機上執行它。執行人臉偵測器的同一套引擎，也能執行手部姿態估計器、身體姿態追蹤器、物件分類器，或任何模型所訓練的其他用途。

ml 模組就是這套工具組。每一項操作都建構在單一的 Model 物件之上，該物件會從快閃記憶體載入一個模型檔、管理其量化後的輸入與輸出張量、把每次推論分派給相機上正確的引擎，並把產生出來的張量透過一個選擇性的後處理器（post-processor）導向處理，將它們轉換回應用程式可以據以採取行動的結果形式——邊界框、關鍵點、類別，或任何模型所對應的用途。