TensorFlow2020：如何使用Tensorflow.js执行计算机视觉应用程序？

本文转载自公众号《核心阅读》（ID：AI_Discovery）。许多人可以运行和操作计算机视觉应用程序。是的，学习和实施它并不难，而且有很多库可用于执行如此强大的计算机视觉应用程序。有关注最近的TensorFlow2020峰会吗？今年，TensorFlow团队发布了很多非常酷的产品，本文将介绍如何使用tensorflow.js模型进行计算机视觉应用。什么是TensorFlow.js？TensorFlow.js是一个开源代码库，用于机器学习应用程序和使用JavaScript开发机器学习模型以及直接在浏览器或Node.js中使用机器学习。什么是Tensorflow.js模型？Tensorflow.js模型是预训练模型，用户不需要准备/收集数据来训练模型。这些模型托管在NPM（网络性能监视器）和unpkg上，可以应用于任何现成的项目。本文将介绍tensorflow.js中的MediaPipeFacemesh模型。此模型专为移动设备上的前置摄像头而设计，其中人脸往往会占据画面的很大一部分。Facemesh模型演示facemesh模型根据作者的面部动作移动视频帧。执行下面的计算机视觉应用程序需要哪些步骤？第1步：这是执行计算机视觉应用程序的三个重要的独立脚本标签。TensorFlow.js核心，用于神经网络和数值计算的灵活API。TensorFlow.jsConverter，用于将TensorFlowSavedModel导入TensorFlow.js的工具。facemesh包在图像中查找面部边界和地标。第二步：在主题内容中加入视频HTML标签，通过网络摄像头识别人脸。第三步：通过脚本处理（通常是JavaScript），使用canvas标签动态绘制图形。第四步：在canvas标签上添加video标签播放视频帧，从而使视频帧随着人脸的移动而移动。第5步：加载面部模型并估计面部大小在图像中找到人脸边界和地标。//loadcamerastreamconstframe=document.getElementById("camera");//loadmoviestreamconstmovie=document.getElementById("movie");movie.play();//preparecanvasconstcanvas=document.getElementById("augmented_canvas");constdraw=canvas.getContext("2d");constresult=awaitmodel.estimateFaces(frame,false);第六步；使用以下代码在检测到的面部上绘制视频帧。//copycamerastreamtocanvasdraw.drawImage(frame,0,0,640,480);//checkiffaceisdetectedif(result.length>0){for(leti=0;i