در یادگیری ماشینی جدید هستید؟ یک دوره ویدیویی را تماشا کنید تا دانش کاربردی ML را با استفاده از فناوری‌های وب
مشاهده کنید
با مجموعهها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویتهای شما.
مدل های TensorFlow.js
مدل های از پیش آموزش دیده را کاوش کنید تا بینایی رایانه، پردازش زبان طبیعی (NLP) و سایر کارهای رایج ML را به برنامه های کاربردی مبتنی بر وب و مرورگر خود اضافه کنید.
طبقه بندی تصویر طبقه بندی تصاویر با برچسب از پایگاه داده ImageNet (MobileNet).
تشخیص اشیا بومی سازی و شناسایی چندین شی در یک تصویر واحد (کوکو SSD).
تشخیص چهره ساده تشخیص چهره در تصاویر با استفاده از معماری Single Shot Detector با رمزگذار سفارشی (Blazeface).
تشخیص نقطه عطف چهره 486 نشانه سه بعدی صورت را پیش بینی کنید تا هندسه سطح تقریبی صورت انسان را استنتاج کنید.
تشخیص پوس API یکپارچه تشخیص پوس برای استفاده از یکی از سه مدلی که به تشخیص ژست‌های غیر معمول و حرکات سریع بدن با عملکرد زمان واقعی کمک می‌کند.
تشخیص ژست دست مدل ردیابی انگشت ردیاب کف دست و اسکلت دست. 21 نقطه کلید سه بعدی دست را در هر دست شناسایی شده پیش بینی کنید.
تخمین عمق پرتره یک نقشه عمقی را برای یک تصویر پرتره از یک انسان تخمین بزنید.
تشخیص سمیت متن به تأثیر درک شده یک نظر در یک مکالمه امتیاز دهید، از «بسیار سمی» تا «بسیار سالم» (مسمومیت).
رمزگذار جملات جهانی متن را در جاسازی‌هایی برای وظایف NLP مانند طبقه‌بندی احساسات و شباهت متنی (انکودر جملات جهانی) رمزگذاری کنید.
تشخیص دستور گفتار قطعه‌های صوتی ۱ ثانیه‌ای از مجموعه دستورات گفتاری (فرمان‌های گفتار) را طبقه‌بندی کنید.
طبقه بندی کننده KNN ابزاری برای ایجاد یک طبقه بندی کننده با استفاده از الگوریتم K-Nearest-Neighbors. می تواند برای یادگیری انتقال استفاده شود.
[null,null,[],[],[],null,["# TensorFlow.js models\n====================\n\nExplore pre-trained models to add computer vision, natural language processing (NLP), and other common ML tasks to your web and browser-based applications. \n\nVision\n------\n\nAnalyze features in images and videos. Unlock new real-time experiences in the browser. \n[Image classification](https://github.com/tensorflow/tfjs-models/tree/master/mobilenet) \nClassify images with labels from the ImageNet database (MobileNet). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/mobilenet) \n[Object detection](https://github.com/tensorflow/tfjs-models/tree/master/coco-ssd) \nLocalize and identify multiple objects in a single image (Coco SSD). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/coco-ssd) \n[Semantic segmentation](https://github.com/tensorflow/tfjs-models/tree/master/deeplab) \nRun semantic segmentation in the browser (DeepLab). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/deeplab) \n\nBody\n----\n\nDetect key points and poses on the face, hands, and body with models from [MediaPipe](https://google.github.io/mediapipe/solutions/models) and beyond, optimized for JavaScript and Node.js. \n[Simple face detection](https://github.com/tensorflow/tfjs-models/tree/master/face-detection) \nDetect faces in images using a Single Shot Detector architecture with a custom encoder (Blazeface). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/face-detection) \n[Face landmark detection](https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection) \nPredict 486 3D facial landmarks to infer the approximate surface geometry of human faces. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection) \n[Pose detection](https://github.com/tensorflow/tfjs-models/tree/master/pose-detection) \nUnified pose detection API for using one of three models that help detect atypical poses and fast body motions with real time performance. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/pose-detection) \n[Body segmentation](https://github.com/tensorflow/tfjs-models/tree/master/body-segmentation) \nSegment person(s) and body parts in real-time. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/body-segmentation) \n[Hand pose detection](https://github.com/tensorflow/tfjs-models/tree/master/hand-pose-detection) \nPalm detector and hand-skeleton finger tracking model. Predict 21 3D hand keypoints per detected hand. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/hand-pose-detection) \n[Portrait depth estimation](https://github.com/tensorflow/tfjs-models/tree/master/depth-estimation) \nEstimate a depth map for a single portrait image of a human. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/depth-estimation) \n\nText\n----\n\nEnable NLP in your web app using the power of BERT and other Transformer encoder architectures. \n[Natural language question answering](https://github.com/tensorflow/tfjs-models/tree/master/qna) \nAnswer questions based on the content of a given passage of text using BERT. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/qna) \n[Text toxicity detection](https://github.com/tensorflow/tfjs-models/tree/master/toxicity) \nScore the perceived impact a comment may have on a conversation, from \"Very toxic\" to \"Very healthy\" (Toxicity). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/toxicity) \n[Universal sentence encoder](https://github.com/tensorflow/tfjs-models/tree/master/universal-sentence-encoder) \nEncode text into embeddings for NLP tasks such as sentiment classification and textual similarity (Universal Sentence Encoder). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/universal-sentence-encoder) \n\nAudio\n-----\n\nClassify audio to detect sounds and trigger an action in your web app. \n[Speech command recognition](https://github.com/tensorflow/tfjs-models/tree/master/speech-commands) \nClassify 1-second audio snippets from the speech commands dataset (speech-commands). \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/speech-commands) \n\nGeneral\n-------\n\nFind more TensorFlow.js models that can be used out of the box. \n[KNN Classifier](https://github.com/tensorflow/tfjs-models/tree/master/knn-classifier) \nUtility to create a classifier using the K-Nearest-Neighbors algorithm. Can be used for transfer learning. \n[View code](https://github.com/tensorflow/tfjs-models/tree/master/knn-classifier) \n[Explore on GitHub](https://tfhub.dev/s?deployment-format=tfjs) \n\nGet started with TensorFlow.js\n------------------------------\n\n[Explore tutorials](/js/tutorials)"]]
