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 браузерные приложения.
Зрение
Анализируйте особенности изображений и видео. Разблокируйте новые возможности в режиме реального времени в браузере.
Классифицируйте изображения с помощью меток из базы данных ImageNet (MobileNet).
Локализуйте и идентифицируйте несколько объектов на одном изображении (Coco SSD).
Тело
Обнаруживайте ключевые точки и позы на лице, руках и теле с помощью моделей из MediaPipe и других источников, оптимизированных для JavaScript и Node.js.
Обнаруживайте лица на изображениях с помощью архитектуры Single Shot Detector со специальным кодировщиком (Blazeface).
Прогнозируйте 486 3D-ориентиров лица, чтобы определить приблизительную геометрию поверхности человеческих лиц.
Унифицированный API обнаружения поз для использования одной из трех моделей, которые помогают обнаруживать нетипичные позы и быстрые движения тела в режиме реального времени.
Детектор ладони и модель отслеживания пальцев в виде скелета руки. Прогнозирование 21 ключевой точки трехмерной 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 кодировщиков Transformer.
Отвечайте на вопросы, основанные на содержании данного отрывка текста, используя BERT.
Оцените предполагаемое влияние комментария на разговор 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 аудио, чтобы обнаруживать звуки и запускать действия в вашем веб-приложении.
Классифицируйте 1-секундные аудиофрагменты из набора данных речевых команд (речевые команды).
Общий
Найдите больше моделей TensorFlow.js, которые можно использовать прямо из коробки.
Утилита для создания классификатора с использованием алгоритма K-Nearest-Neighbours. Может использоваться для трансферного обучения.