Modelos TensorFlow.js
Explore modelos previamente entrenados para agregar visión por computadora, procesamiento de lenguaje natural (NLP) y otras tareas comunes de aprendizaje automático a sus aplicaciones web y basadas en navegador.
Visión
Analizar características en imágenes y videos. Desbloquea nuevas experiencias en tiempo real en el navegador.
Clasificar imágenes con etiquetas de la base de datos ImageNet (MobileNet).
Localice e identifique múltiples objetos en una sola imagen (Coco SSD).
Cuerpo
Detecte puntos clave y poses en la cara, las manos y el cuerpo con modelos de MediaPipe y más, optimizados para JavaScript y Node.js.
Detecte rostros en imágenes utilizando una arquitectura de detector de disparo único con un codificador personalizado (Blazeface).
Predice 486 puntos de referencia faciales en 3D para inferir la geometría superficial aproximada de los rostros humanos.
API de detección de pose unificada para usar uno de los tres modelos que ayudan a detectar poses atípicas y movimientos corporales rápidos con rendimiento en tiempo real.
Modelo de seguimiento de dedos con detector de palma y esqueleto de mano. Predice 21 puntos clave de mano en 3D por mano detectada.
Calcule un mapa de profundidad para una única imagen de retrato de un ser humano.
Texto
Habilite NLP en su aplicación web utilizando el poder de BERT y otras arquitecturas de codificador Transformer.
Responda preguntas basadas en el contenido de un pasaje de texto determinado utilizando BERT.
Califique el impacto percibido que un comentario puede tener en una conversación, desde "Muy tóxico" hasta "Muy saludable" (Toxicidad).
Codifique texto en incrustaciones para tareas de PNL, como clasificación de sentimientos y similitud textual (Universal Sentence Encoder).
Audio
Clasifique audio para detectar sonidos y desencadenar una acción en su aplicación web.
Clasifique fragmentos de audio de 1 segundo del conjunto de datos de comandos de voz (comandos de voz).
General
Encuentre más modelos de TensorFlow.js que se pueden usar de inmediato.
Utilidad para crear un clasificador utilizando el algoritmo K-Nearest-Neighbors. Se puede utilizar para el aprendizaje por transferencia.