狗和披萨：使用TensorFlow.js在浏览器中实现计算机视觉

目录

起点

托管说明

MobileNet v1

运行物体识别

终点线

下一步是什么？绒毛动物？

---

• 下载TensorFlowJS示例-6.1 MB

TensorFlow + JavaScript。现在，最流行，最先进的AI框架支持地球上使用最广泛的编程语言，因此，让我们在我们的web浏览器中通过深度学习实现奇迹，通过TensorFlow.js的WebGL GPU加速！

这是我们六个系列的第二篇文章：

1. 使用TensorFlow.js在浏览器中进行深度学习入门
2. 狗和披萨：使用TensorFlow.js在浏览器中实现计算机视觉
3. 绒毛动物探测器：通过TensorFlow.js中的迁移学习识别浏览器中的自定义对象
4. 使用TensorFlow.js进行人脸触摸检测第1部分：将实时网络摄像头数据与深度学习配合使用
5. 使用TensorFlow.js进行人脸触摸检测第2部分：使用BodyPix
6. 使用TensorFlow.js进行AI在网络摄像头中翻译手势和手语

在本文中，我们将深入探讨在Web浏览器中运行的计算机视觉。我将向您展示如何使用TensorFlow.js中经过预训练的MobileNet模型轻松快速地开始检测和识别图像中的对象。

起点

要使用TensorFlow.js分析图像，我们首先需要：

• 收集狗、食物等的测试图像（此项目中使用的图像来自pexels.com）
• 导入TensorFlow.js
• 添加代码以随机选择并加载其中一张图像
• 添加代码以文本形式显示预测结果

这是我们的起点：

    
        
        
        
    
    
        
        
Loading...
        
    

此Web代码导入TensorFlow.js和示例图像的集合，添加图像元素（设置为224px），然后添加具有设置图像功能的状态文本元素。您可以更新图像数组以匹配您下载的其他测试图像的文件名。

在浏览器中打开包含以上代码的页面。您应该看到图像每五秒钟更新一次，以随机选择。

托管说明

在继续进行之前，我想指出，为了使此项目正常运行，必须从Web服务器提供网页和图像（由于HTML5画布限制）。

否则，当TensorFlow.js尝试读取图像像素时，您可能会遇到此错误：

DOMException: Failed to execute 'texImage2D' on 'WebGL2RenderingContext': Tainted canvases may not be loaded.

如果您没有运行像Apache或IIS这样的服务器，则可以使用WebWebWeb轻松在NodeJS中运行一个服务器，WebWebWeb是我为此目的而构建的NPM模块。

MobileNet v1

来自GitHub：“MobileNets是小型、低延迟、低功耗的模型，其参数化可以满足各种用例的资源约束。”

对于该项目，我们将使用MobileNet v1，该软件已经过数百万张图像的训练，可以识别1000种不同类别的物体，从不同的犬种到各种食物。该模型有多种变体，允许开发人员在复杂度/大小和预测准确性之间进行权衡。

幸运的是，Google将模型托管在其服务器上，因此我们可以在项目中直接使用它。对于224x224像素的图像输入，我们将使用最小的0.25色块变化。

让我们将其添加到脚本中，并使用TensorFlow.js加载模型。

// Mobilenet v1 0.25 224x224 model
const mobilenet = "https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_224/model.json";

let model = null;

(async () => {
    // Load the model
    model = await tf.loadLayersModel( mobilenet );
    setInterval( pickImage, 5000 );
})();

运行物体识别

在将图像传递到TensorFlow模型之前，我们需要将其从像素转换为张量。我们还必须将每个RGB像素颜色转换为-1.0到1.0之间的浮点值，因为这是MobileNet模型所训练的值范围。

TensorFlow.js具有内置功能，可帮助我们轻松执行这些操作。牢记内存管理，我们可以编写一个函数来运行模型并获取预测的对象标识符，如下所示：

async function predictImage() {
    let result = tf.tidy( () => {
        const img = tf.browser.fromPixels( document.getElementById( "image" ) ).toFloat();
        const normalized = img.div( 127 ).sub( 1 ); // Normalize from [0,255] to [-1,1]
        const input = normalized.reshape( [ 1, 224, 224, 3 ] );
        return model.predict( input );
    });
    let prediction = await result.data();
    result.dispose();
    // Get the index of the highest value in the prediction
    let id = prediction.indexOf( Math.max( ...prediction ) );
    setText( labels[ id ] );
}

您会注意到，上面的函数引用labels数组以显示带有setText()的预测文本。该数组是ImageNet类别标签的预定义列表，这些列表与MobileNet所接受的预测相匹配。

如果您下载了它，请记住将它作为脚本包含在页面中的标记中，如下所示：

最后，通过在代码底部设置其onload处理程序，让图像元素调用在每次加载新图像时运行此预测函数：

(async () => {
    // Load the model
    model = await tf.loadLayersModel( mobilenet );
    setInterval( pickImage, 5000 );
    document.getElementById( "image" ).onload = predictImage;
})();

完成后，您的模型应该开始预测图像中的内容。

终点线

现在，您已经将所有部分组合在一起。这样，您就有了一个使用计算机视觉并可以识别对象的网页。还不错吧？

    
        
        
        
        
    
    
        
        
Loading...
        
    

下一步是什么？绒毛动物？

只需少量代码，我们就使用TensorFlow.js加载了预训练的模型，以在Web浏览器中识别列表中的对象。想象一下您可以做什么。也许创建一个可自动对成千上万张照片进行分类和分类的网络应用。

现在，如果我们想识别不在1000个类别列表中的其他对象怎么办？

请跟随本系列的下一篇文章一起学习如何扩展该项目，以快速训练卷积神经网络来识别...几乎任何您想要的东西。

https://www.codeproject.com/Articles/5272771/Dogs-and-Pizza-Computer-Vision-in-the-Browser-With