Модели TensorFlow.js
Изучите предварительно обученные модели, чтобы добавить компьютерное зрение, обработку естественного языка (NLP) и другие распространенные задачи машинного обучения в свои веб-приложения и приложения на основе браузера.
Зрение
Анализируйте особенности изображений и видео. Разблокируйте новые возможности в реальном времени в браузере.
Классифицируйте изображения с помощью меток из базы данных ImageNet (MobileNet).
Локализуйте и идентифицируйте несколько объектов на одном изображении (Coco SSD).
Тело
Определяйте ключевые точки и позы на лице, руках и теле с помощью моделей из MediaPipe и других источников, оптимизированных для JavaScript и Node.js.
Обнаружение лиц на изображениях с помощью архитектуры Single Shot Detector с пользовательским кодировщиком (Blazeface).
Предскажите 486 трехмерных ориентиров лица, чтобы сделать вывод о приблизительной геометрии поверхности человеческого лица.
Унифицированный API обнаружения поз для использования одной из трех моделей, которые помогают обнаруживать нетипичные позы и быстрые движения тела с производительностью в реальном времени.
Ладонный детектор и модель слежения за пальцами руки-скелета. Предсказать 21 ключевую точку 3D-руки для каждой обнаруженной руки.
Оцените карту глубины для одного портретного изображения человека.
Текст
Включите NLP в своем веб-приложении, используя возможности BERT и других архитектур кодировщика Transformer.
Отвечайте на вопросы, основанные на содержании данного отрывка текста, используя BERT.
Оцените воспринимаемое влияние комментария на беседу, от «Очень токсично» до «Очень полезно» (Токсичность).
Кодируйте текст во вложения для задач НЛП, таких как классификация настроений и текстовое сходство (универсальный кодировщик предложений).
Аудио
Классифицируйте звук, чтобы обнаруживать звуки и запускать действие в веб-приложении.
Классифицируйте 1-секундные аудиофрагменты из набора данных речевых команд (речевые команды).
Общий
Найдите другие модели TensorFlow.js, которые можно использовать сразу после установки.
Утилита для создания классификатора с использованием алгоритма K ближайших соседей. Может использоваться для трансферного обучения.