日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

到了慶祝的時候了！我們剛剛送走了圣誕老人?，F(xiàn)在正等待新年的鐘聲敲響。所以我想到建立一個很酷的東西（至少我的七歲小公主會覺得）同時學(xué)一點(diǎn)機(jī)器學(xué)習(xí)。所以我們要做一個什么？

我借用的我女兒所有迪士尼公主人偶來建立一個機(jī)器學(xué)習(xí)模型，這個應(yīng)用取名為“Princess Finder”，可以通過攝像頭將這些人偶的公主信息都識別出來。本文中我們將會學(xué)到這背后的一些知識以及擴(kuò)展它們的可能性。

The Princess Finder

該 Princess Finder 應(yīng)用是使用以下內(nèi)容構(gòu)建的：

• The Teachable Machine：如何簡單，快速地創(chuàng)建models可直接在應(yīng)用程序或網(wǎng)站中使用的機(jī)器學(xué)習(xí)？可教學(xué)機(jī)器允許您將train計算機(jī)與圖像，聲音和姿勢一起使用。我們使用迪士尼公主創(chuàng)建了一個模型，以便我們可以Image Classification在應(yīng)用程序中使用它來執(zhí)行。

• ml5.js：這是使用您的Web瀏覽器進(jìn)行的Web機(jī)器學(xué)習(xí)。它使用Web瀏覽器的內(nèi)置圖形處理單元（GPU）進(jìn)行快速計算。我們可以像使用，可以用API如imageClassifier(model)，classify等來進(jìn)行圖像分類。

• React：這是一個用于構(gòu)建用戶界面的JavaScript庫。我們可以ml5.js在React應(yīng)用程序中使用它，只需安裝并將其作為依賴項(xiàng)導(dǎo)入即可。

這是應(yīng)用程序顯示的截圖，有93％的概率表明，這個娃娃是Jasmine（茉莉公主），它有明顯的金戒指標(biāo)記。

鑒于我根本不像迪士尼公主（甚至沒有洋娃娃）。因此，我自己的圖像已正確分類，說No Dolls。

這是一個很棒的簡單演示。

幾個術(shù)語

如果您是機(jī)器學(xué)習(xí)的新手，您可能會發(fā)現(xiàn)其中一些術(shù)語有些不知所措。最好是從更高維的角度了解它們的含義以了解用法。

您可以從此處閱讀有關(guān)這些和其他機(jī)器學(xué)習(xí)術(shù)語的更多信息。

我們的Princess Finder應(yīng)用程序使用Supervised Machine learning，我們有trained將model有很多examples的公主的照片。每個示例數(shù)據(jù)還包含一個label，用于通過名稱標(biāo)識特定的公主。

Teachable Machine

我們可以使用Teachable Machine用戶界面通過幾個簡單的步驟來創(chuàng)建ML模型。首先，瀏覽到此鏈接。（需要VPN）您可以選擇圖像，聲音或姿勢項(xiàng)目。在我們的例子中，它將是一個圖像項(xiàng)目。

接下來，我們需要通過選擇示例（圖像和標(biāo)簽）來定義分類。我們可以使用網(wǎng)絡(luò)攝像頭拍攝照片，也可以上傳圖像。

加載示例后，我們便開始培訓(xùn)。這將為我們創(chuàng)建一個模型。

訓(xùn)練完成后，您可以使用實(shí)時數(shù)據(jù)測試模型。滿意后，您可以導(dǎo)出模型以在應(yīng)用程序中使用它。

最后，我們可以下載模型以在我們的應(yīng)用程序中使用它。您可以選擇將模型上傳到云中，以使用URL進(jìn)行使用。您也可以將項(xiàng)目保存到Google Drive。

如果您有興趣使用或擴(kuò)展我創(chuàng)建的模型，則可以下載并將其導(dǎo)入“可教機(jī)器”界面。

使用ml5.js和React的用戶界面

現(xiàn)在我們有了一個模型。我們將使用該ml5.js庫導(dǎo)入模型，并使用實(shí)時流對圖像進(jìn)行分類。我最熟悉的是React。您可以使用任何UI庫，框架或原始JavaScript。我已經(jīng)使用create-react-app啟動應(yīng)用程序的骨架并在一分鐘內(nèi)運(yùn)行。

安裝ml5.js依賴項(xiàng)

 
 
 

  
  
  
# Or, npm install ml5  
  
  
  
yarn add ml5 
 
 
 

將模型解壓縮public到項(xiàng)目文件夾下。我們可以model在公共目錄下創(chuàng)建一個名為的文件夾，然后提取文件。

使用ml5.js庫來加載模型。我們將使用該imageClassifier方法來傳遞模型文件。此方法調(diào)用返回一個分類器對象，我們將在一段時間內(nèi)使用該對象對實(shí)時圖像進(jìn)行分類。還要注意，一旦成功加載模型，我們將初始化網(wǎng)絡(luò)攝像頭設(shè)備，以便我們可以從實(shí)時流中收集圖像。

 
 
 

  
  
  
useEffect(() => {     
  
  
  
   classifier = ml5.imageClassifier("./model/model.json", () => {       
  
  
  
       navigator.mediaDevices         
  
  
  
           .getUserMedia({ video: true, audio: false })         
  
  
  
           .then((stream) => {           
  
  
  
               videoRef.current.srcObject = stream;           
  
  
  
               videoRef.current.play();           
  
  
  
               setLoaded(true);         
  
  
  
            });     
  
  
  
       });   
  
  
  
    }, []); 
 
 
 

我們還需要在render函數(shù)中定義一個視頻組件

 
 
 

  
  
  

  
  
  
    ref={videoRef}       
  
  
  
    style={{ transform: "scale(-1, 1)" }}       
  
  
  
    width="200"       
  
  
  
    height="150" /> 
 
 
 

接下來，我們在分類器上調(diào)用classify()方法以獲取結(jié)果。該results是所有比賽的目標(biāo)參數(shù)標(biāo)簽的數(shù)組。

 
 
 

  
  
  
classifier.classify(videoRef.current, (error, results) => {    
  
  
  
    if (error) {       
  
  
  
        console.error(error);       
  
  
  
        return;    
  
  
  
    }    
  
  
  
    setResult(results);  
  
  
  
}); 
 
 
 

我們應(yīng)該classify在指定的時間間隔內(nèi)使用方法調(diào)用。您可以使用一個稱為React的React Hook，useInterval進(jìn)行相同操作。結(jié)果數(shù)組可能看起來像這樣，

請從此處找到App.js文件的完整代碼。就是這樣，您現(xiàn)在可以使用此result數(shù)組提供您想要的任何UI表示形式。在我們的例子中，我們在兩個React組件中使用了這個結(jié)果數(shù)組，

1.列出公主并突出顯示最匹配的那個

2.顯示儀表圖以指示匹配的置信度。

Princess組件循環(huán)遍歷結(jié)果數(shù)組，并使用一些CSS樣式突出顯示它們，并呈現(xiàn)它們。

 
 
 

  
  
  
import React from "react"; 
  
  
  
const Princess = (props) => {   
  
  
  
   const mostMatched = props.data[0];   
  
  
  
   const allLabels = props.data.map((elem) => elem.label);   
  
  
  
   const sortedLabels = allLabels.sort((a, b) => a.localeCompare(b));   
  
  
  
       return (     
  
  
  
           <>       
  
  
  
                        
  
  
  
                   {sortedLabels.map((label) => (           
  
  
  
                                    
  
  
  
                                      
  
  
  
                       
  
  
  
                           className={`img ${                   
  
  
  
                               label === mostMatched.label ? "selected" : null                 
  
  
  
                       }`}                 
  
  
  
                   src={                   
  
  
  
                       label === "No Dolls"                     
  
  
  
                           ? "./images/No.png"                     
  
  
  
                           : `./images/${label}.png`                 
  
  
  
                   }                 
  
  
  
                   alt={label}               
  
  
  
                   />               
  
  
  
                   {label}
             
  
  
  
                           
  
  
  
              
         
  
  
  
            ))}       
  
  
  
              
  
  
  
          
  
  
  
      ); 
  
  
  
   }; 
  
  
  
export default Princess; 
 
 
 

圖表組件就是這樣

 
 
 

  
  
  
import React from "react"; 
  
  
  
import GaugeChart from "react-gauge-chart"; 
  
  
  
const Chart = (props) => {   
  
  
  
   const data = props.data;   
  
  
  
   const label = data.label;   
  
  
  
   const confidence = parseFloat(data.confidence.toFixed(2));   
  
  
  
   return (     
  
  
  
       
       
  
  
  
           
Classification Confidence: {label}
         
  
  
  
           
  
  
  
               id="gauge-chart3"         
  
  
  
               nrOfLevels={3}         
  
  
  
               colors={["#FF5F6D", "#FFC371", "rgb(26 202 26)"]}         
  
  
  
               arcWidth={0.3}         
  
  
  
               percent={confidence}       
  
  
  
           />