让我们看看使用tensorflow.js实施计算机视觉应用程序的简单方法！
> (Image Source)
介绍
如今，许多人实现了计算机视觉应用程序。 您认为学习和实施非常困难吗？ 我的回答是"否"，因为当今有许多库可用于实现如此强大的计算机视觉应用程序。 最近您看过2020 TensorFlow峰会吗？ 今年TensorFlow团队为我们宣布了很多很棒的事情。 在这里，我们将看到如何使用tensorflow.js模型实现计算机视觉应用程序！
什么是TensorFlow.js？
TensorFlow.js是一个开放源代码库，用于JavaScript中的机器学习应用程序和JavaScript中的Develop ML模型，并直接在浏览器或Node.js中使用ML。
什么是Tensorflow.js模型？
Tensorflow.js模型是经过预训练的模型，这意味着您无需准备/收集数据即可训练模型。 这些模型托管在NPM和unpkg上，因此可以在任何开箱即用的项目中使用。
在此博客中，我们将看到tensorflow.js中的一个模型，即MediaPipe Facemesh模型。 该模型是为移动设备上的前置摄像头而设计的，这些摄像头中的人脸通常占据画布的相对较大部分。
Facemesh模型演示
我已经使用facemesh模型按照我的脸部移动来移动视频帧。 请参见下面的演示。 让我告诉您实现计算机视觉应用程序下面涉及的步骤。
> Demo
示范
步骤1：-这是实现计算机视觉应用程序的三个重要的独立脚本标记代码。
<code>
/<code>
TensorFlow.js核心，用于神经网络和数值计算的灵活的低级API。
TensorFlow.js Converter，用于将TensorFlow SavedModel导入TensorFlow.js的工具。
facemesh包可查找图像中的面部边界和界标。
步骤2：-在身体内容中包含视频HTML标签，以通过网络摄像头读取面部。
<code><video>/<code>
步骤3：-使用canvas标记通过脚本（通常是JavaScript）动态绘制图形。
<code><canvas>/<code>
步骤4：-在画布标签上包含一个视频标签以播放视频帧，以根据面部移动来移动视频帧。
<code><video>
<source>
/<video>/<code>
步骤5：-加载人脸模型并估算人脸，以找到图像中的人脸边界和界标。
<code>//load camera stream
const frame = document.getElementById("camera");
//load movie streamconst
movie = document.getElementById("movie");
movie.play();
//prepare canvas
const canvas = document.getElementById("augmented_canvas");
const draw = canvas.getContext("2d");
const result = await model.estimateFaces(frame, false);/<code>
步骤6：-使用以下代码在检测到的脸上绘制视频帧。
<code>//copy camera stream to canvas
draw.drawImage(frame, 0, 0, 640, 480);
//check if face is detected
if(result.length > 0) {
for (let i = 0; i < result.length; i++) {
const start = result[i].topLeft;
const end = result[i].bottomRight;
const size = [end[0] — start[0], end[1] — start[1]];
//Render a rectangle over each detected face.
draw.drawImage(movie, start[0], start[1], size[0], size[1]);
}
}/<code>
结论
就是这样，我们已经按照上述六个步骤实施了计算机视觉应用程序。 您可以在此处获取完整的源代码。
所有人都说，如果您想成为一名数据科学家，您应该熟悉python或R编程语言，但是现在我们可以使用javascript实现机器学习应用程序。
> (Source: https://miro.medium.com/max/1400/1*F-1fq9TNjDnAYPAXnZP4Ww.png)
祝大家学习愉快！！ 如果您需要任何帮助或帮助，请与我联系LinkedIn和Twitter。
(本文翻译自Bala Venkatesh的文章《Three lines of code to implement a computer vision application using Tensorflow.js》，参考：https://towardsdatascience.com/three-lines-code-to-implement-computer-vision-application-using-tensorflow-js-5a3a5e91f74a)
閱讀更多 聞數起舞 的文章
