TensorFlow.js मॉडल
अपने वेब और ब्राउज़र-आधारित अनुप्रयोगों में कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), और अन्य सामान्य एमएल कार्यों को जोड़ने के लिए पूर्व-प्रशिक्षित मॉडल का अन्वेषण करें।
दृष्टि
छवियों और वीडियो में सुविधाओं का विश्लेषण करें। ब्राउज़र में नए वास्तविक समय के अनुभवों को अनलॉक करें।
शरीर
जावास्क्रिप्ट और Node.js के लिए अनुकूलित MediaPipe और उससे आगे के मॉडलों के साथ चेहरे, हाथों और शरीर पर मुख्य बिंदुओं और मुद्राओं का पता लगाएं।
कस्टम एनकोडर (ब्लेज़फेस) के साथ सिंगल शॉट डिटेक्टर आर्किटेक्चर का उपयोग करके छवियों में चेहरों का पता लगाएं।
मानव चेहरों की अनुमानित सतह ज्यामिति का अनुमान लगाने के लिए 486 3डी चेहरे के स्थलों की भविष्यवाणी करें।
तीन मॉडलों में से एक का उपयोग करने के लिए एकीकृत पोज़ डिटेक्शन एपीआई जो वास्तविक समय प्रदर्शन के साथ असामान्य पोज़ और तेज़ शरीर गति का पता लगाने में मदद करता है।
पाम डिटेक्टर और हाथ-कंकाल फिंगर ट्रैकिंग मॉडल। प्रति खोजे गए हाथ में 21 3डी हाथ कुंजी बिंदुओं की भविष्यवाणी करें।
किसी मानव की एकल पोर्ट्रेट छवि के लिए गहराई मानचित्र का अनुमान लगाएं।
मूलपाठ
BERT और अन्य ट्रांसफार्मर एनकोडर आर्किटेक्चर की शक्ति का उपयोग करके अपने वेब ऐप में एनएलपी सक्षम करें।
BERT का उपयोग करके पाठ के दिए गए अंश की सामग्री के आधार पर प्रश्नों के उत्तर दें।
किसी टिप्पणी का बातचीत पर पड़ने वाले कथित प्रभाव को स्कोर करें, "बहुत विषाक्त" से "बहुत स्वस्थ" (विषाक्तता) तक।
भावना वर्गीकरण और पाठ्य समानता (यूनिवर्सल सेंटेंस एनकोडर) जैसे एनएलपी कार्यों के लिए टेक्स्ट को एम्बेडिंग में एनकोड करें।
ऑडियो
ध्वनियों का पता लगाने और अपने वेब ऐप में कार्रवाई को ट्रिगर करने के लिए ऑडियो को वर्गीकृत करें।
स्पीच कमांड डेटासेट (स्पीच-कमांड) से 1-सेकंड के ऑडियो स्निपेट को वर्गीकृत करें।
सामान्य
अधिक TensorFlow.js मॉडल ढूंढें जिनका उपयोग बॉक्स से बाहर किया जा सकता है।
K-निकटतम-पड़ोसी एल्गोरिथ्म का उपयोग करके एक क्लासिफायरियर बनाने की उपयोगिता। ट्रांसफर लर्निंग के लिए इस्तेमाल किया जा सकता है।