Modele TensorFlow.js
Poznaj wstępnie wytrenowane modele, aby dodać widzenie komputerowe, przetwarzanie języka naturalnego (NLP) i inne typowe zadania uczenia maszynowego do aplikacji internetowych i opartych na przeglądarce.
Wizja
Analizuj funkcje w obrazach i filmach. Odblokuj nowe doświadczenia w czasie rzeczywistym w przeglądarce.
Klasyfikuj obrazy za pomocą etykiet z bazy danych ImageNet (MobileNet).
Zlokalizuj i zidentyfikuj wiele obiektów na jednym obrazie (Coco SSD).
Ciało
Wykrywaj kluczowe punkty i pozy na twarzy, dłoniach i ciele za pomocą modeli z MediaPipe i innych, zoptymalizowanych pod kątem JavaScript i Node.js.
Wykrywaj twarze na obrazach za pomocą architektury Single Shot Detector z niestandardowym koderem (Blazeface).
Przewiduj 486 trójwymiarowych punktów orientacyjnych twarzy, aby wywnioskować przybliżoną geometrię powierzchni ludzkich twarzy.
Ujednolicony interfejs API wykrywania pozycji do korzystania z jednego z trzech modeli, które pomagają wykrywać nietypowe pozy i szybkie ruchy ciała z wydajnością w czasie rzeczywistym.
Detektor dłoni i model śledzenia palca dłoni i szkieletu. Przewiduj 21 punktów kluczowych dłoni 3D na wykrytą rękę.
Tekst
Włącz NLP w swojej aplikacji internetowej, korzystając z mocy BERT i innych architektur enkodera Transformer.
Odpowiadaj na pytania w oparciu o treść danego fragmentu tekstu za pomocą BERT.
Oceń postrzegany wpływ komentarza na rozmowę, od „Bardzo toksyczny” do „Bardzo zdrowy” (Toksyczność).
Koduj tekst do osadzania dla zadań NLP, takich jak klasyfikacja tonacji i podobieństwo tekstu (Universal Sentence Encoder).
Audio
Klasyfikuj dźwięk, aby wykrywać dźwięki i uruchamiać działania w aplikacji internetowej.
Klasyfikuj 1-sekundowe fragmenty audio ze zbioru danych poleceń głosowych (polecenia głosowe).
Ogólny
Znajdź więcej modeli TensorFlow.js, których można używać od razu po wyjęciu z pudełka.
Narzędzie do tworzenia klasyfikatora przy użyciu algorytmu K-Nearest-Neighbors. Może być używany do nauki transferu.