Посетите симпозиум «Женщины в машинном обучении» 7 декабря Зарегистрируйтесь сейчас
Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

Модели

Изучите предварительно обученные модели TensorFlow.js, которые можно использовать в любом проекте без дополнительной настройки.

Классификация изображений

Классифицируйте изображения с помощью меток из базы данных ImageNet (MobileNet).

Обнаружение объекта

Локализуйте и идентифицируйте несколько объектов на одном изображении (Coco SSD).

Сегментация тела

Сегментируйте людей и части тела в режиме реального времени.

Обнаружение позы

Унифицированный API обнаружения поз для использования одной из трех моделей, которые помогают обнаруживать нетипичные позы и быстрые движения тела с производительностью в реальном времени.

Обнаружение токсичности текста

Оцените воспринимаемое влияние комментария на беседу, от «Очень токсично» до «Очень полезно» (Токсичность).

Универсальный кодировщик предложений

Кодируйте текст во вложения для задач НЛП, таких как классификация настроений и текстовое сходство (универсальный кодировщик предложений).

Распознавание речевых команд

Классифицируйте 1-секундные аудиофрагменты из набора данных речевых команд (речевые команды).

Классификатор КНН

Утилита для создания классификатора с использованием алгоритма K ближайших соседей. Может использоваться для трансферного обучения.

Простое распознавание лиц

Обнаружение лиц на изображениях с помощью архитектуры Single Shot Detector с пользовательским кодировщиком (Blazeface).

Семантическая сегментация

Запустите семантическую сегментацию в браузере (DeepLab).

Обнаружение ориентиров лица

Предскажите 486 трехмерных ориентиров лица, чтобы сделать вывод о приблизительной геометрии поверхности человеческого лица.

Обнаружение позы рук

Ладонный детектор и модель слежения за пальцами руки-скелета. Предсказать 21 ключевую точку 3D-руки для каждой обнаруженной руки.

Ответ на вопрос на естественном языке

Отвечайте на вопросы, основанные на содержании данного отрывка текста, используя BERT.