让我们看看使用tensorflow.js实施计算机视觉应用程序的简单方法！

> (Image Source)

介绍

如今，许多人实现了计算机视觉应用程序。 您认为学习和实施非常困难吗？ 我的回答是"否"，因为当今有许多库可用于实现如此强大的计算机视觉应用程序。 最近您看过2020 TensorFlow峰会吗？ 今年TensorFlow团队为我们宣布了很多很棒的事情。 在这里，我们将看到如何使用tensorflow.js模型实现计算机视觉应用程序！

什么是TensorFlow.js？

TensorFlow.js是一个开放源代码库，用于JavaScript中的机器学习应用程序和JavaScript中的Develop ML模型，并直接在浏览器或Node.js中使用ML。

什么是Tensorflow.js模型？

Tensorflow.js模型是经过预训练的模型，这意味着您无需准备/收集数据即可训练模型。 这些模型托管在NPM和unpkg上，因此可以在任何开箱即用的项目中使用。

在此博客中，我们将看到tensorflow.js中的一个模型，即MediaPipe Facemesh模型。 该模型是为移动设备上的前置摄像头而设计的，这些摄像头中的人脸通常占据画布的相对较大部分。

Facemesh模型演示

我已经使用facemesh模型按照我的脸部移动来移动视频帧。 请参见下面的演示。 让我告诉您实现计算机视觉应用程序下面涉及的步骤。

> Demo

示范

步骤1：-这是实现计算机视觉应用程序的三个重要的独立脚本标记代码。

<script src=";></script><script src=";></script><script src=";></script>

TensorFlow.js核心，用于神经网络和数值计算的灵活的低级API。

TensorFlow.js Converter，用于将TensorFlow SavedModel导入TensorFlow.js的工具。

facemesh包可查找图像中的面部边界和界标。

步骤2：-在身体内容中包含视频HTML标签，以通过网络摄像头读取面部。

<video width=640 height=480 autoplay muted id="camera"></video>

步骤3：-使用canvas标记通过脚本（通常是JavaScript）动态绘制图形。

<canvas width=640 height=480 id="augmented_canvas"></canvas>

步骤4：-在画布标签上包含一个视频标签以播放视频帧，以根据面部移动来移动视频帧。

<video autoplay loop id="movie" style="visibility: hidden">  <source src="TensorFlowjs.mp4" type="video/mp4"></source></video>

步骤5：-加载人脸模型并估算人脸，以找到图像中的人脸边界和界标。

//load camera streamconst frame = document.getElementById("camera");//load movie streamconst movie = document.getElementById("movie");movie.play();//prepare canvasconst canvas = document.getElementById("augmented_canvas");const draw = canvas.getContext("2d");const result = await model.estimateFaces(frame, false);

步骤6：-使用以下代码在检测到的脸上绘制视频帧。

//copy camera stream to canvasdraw.drawImage(frame, 0, 0, 640, 480);//check if face is detected if(result.length > 0) {   for (let i = 0; i < result.length; i++) {     const start = result[i].topLeft;     const end = result[i].bottomRight;     const size = [end[0] — start[0], end[1] — start[1]];     //Render a rectangle over each detected face.     draw.drawImage(movie, start[0], start[1], size[0], size[1]);   } }

就是这样，我们已经按照上述六个步骤实施了计算机视觉应用程序。 您可以在此处获取完整的源代码。

所有人都说，如果您想成为一名数据科学家，您应该熟悉python或R编程语言，但是现在我们可以使用javascript实现机器学习应用程序。

> (Source: *F-1fq9TNjDnAYPAXnZP4Ww.png)

祝大家学习愉快！！ 如果您需要任何帮助或帮助，请与我联系LinkedIn和Twitter。

(本文翻译自Bala Venkatesh的文章《Three lines of code to implement a computer vision application using Tensorflow.js》，参考：)