Recognize.js 1.0.0-alpha 发布,Node.js 物体识别 AI 框架

栏目: 软件资讯 · 发布时间: 4年前

内容简介:Recognize.js Node.js 物体识别神经网络框架 安装 首先下载并安装 GraphicsMagick。在 Mac OS X 中,你可以方便地使用 Homebrew 安装: brew install graphicsmagick 然后使用 npm 下载 Recognizejs: npm i ...

Recognize.js

Node.js 物体识别神经网络框架

Recognize.js 1.0.0-alpha 发布,Node.js 物体识别 AI 框架

安装

首先下载并安装 GraphicsMagick。在 Mac OS X 中,你可以方便地使用 Homebrew 安装:

brew install graphicsmagick

然后使用 npm 下载 Recognizejs

npm i recognizejs

开始

导入 Recognizejs 到你的项目中:

const Recognizejs = require('recognizejs');

尝试 Recognizejs

  1. 创建一个新的 Recognizejs 对象模型,然后初始化它:
const myModel = new Recognizejs();

// 初始化它
// init 函数会返回一个 Promise 对象
await myModel.init();

PS: 模型初始化可能需要 1-2分钟时间(取决于你的设备性能),所以请耐心等待。 Recognize.js 1.0.0-alpha 发布,Node.js 物体识别 AI 框架

  1. 读取你的图片文件
const fs = require('fs');

const myImgBuffer = fs.readFileSync(myImagePath);
  1. 调用模型的 recognize 函数,并将你的图片的 buffer 通过参数传递给它:
// recognize 函数会返回一个 Promise 对象,我们推荐你使用 await 语句获取它的返回值
const results = await myModel.recognize(myImgBuffer);

/*
    [
        {
            className: ['className1', 'className2', 'className...'],
            probability: 0.9
        },
        {
            className: ['className1', 'className2', 'className...'],
            probability: 0.599
        }
    ]
*/
console.log(results);

上述例子中的代码可以在 examples 文件夹中找到。

API

创建一个 Recognizejs 对象

new Recognizejs(config?);

参数:config 是一个可选的参数,并有以下的属性:

{
    cocoSsd?: {
        // base:控制基本cnn模型,可以是“ mobilenet_v1”,“ mobilenet_v2”或“ lite_mobilenet_v2”。 默认为“ lite_mobilenet_v2”。 lite_mobilenet_v2的大小最小,推理速度最快。 mobilenet_v2具有最高的分类精度。
        base?: ObjectDetectionBaseModel,

        // 一个可选的字符串,用于指定模型的自定义网址。 这对于无法访问GCP上托管的模型的区域/国家非常有用。
        modelUrl?: string
    },
    mobileNet?: {
        // MobileNet版本号。 将1用于MobileNetV1,将2用于MobileNetV2。 默认为1。
        version: 1,

        // 控制网络的宽度,交易性能的准确性。 较小的alpha会降低准确性并提高性能。 0.25仅适用于V1。 默认为1.0。
        alpha?: 0.25 | .50 | .75 | 1.0,

        // 用于指定自定义模型url或tf.io.IOHandler对象的可选参数。 返回模型对象。
        // 如果您在中国大陆,请将 modelUrl 改为 https://hub.tensorflow.google.cn 上的模型。
        modelUrl?: string

        // 可选参数,用于指定由modelUrl托管的训练模型期望的像素值范围。 通常为[0,1]或[-1,1]。
        inputRange?: [number, number]
    }
}

cocoSsd 和 mobileNet 是两种不同的神经网络。cocoSsd 用来侦测一张图片中的多个物体,而 mobileNet 用来精确识别单个物体。

初始化训练模型

model.init(modelType?);

init 函数会返回一个 Promise 对象,你可以使用 await 语句来处理它。

参数:modelType 可以是一个字符串或数组。您可以在此处设置要加载的模型,以避免加载不需要的模型。[如果不设置 modelType,它将同时加载 cocoSsd 和 mobileNet 模型]

例子:

model.init();

// 或

model.init(['cocoSsd', 'mobileNet']);

// 或

model.init('cocoSsd');

// 或

model.init('mobileNet');

如果你不使用 init 函数加载模型,当你需要使用它们的时候,他们会 自动 加载,但是加载模型可能需要很长的时间,所以请根据情况选择加载方法。

识别图片中的物体

model.recognize(buf);

recognize 函数返回一个 Promise 对象,你可以使用 await 语句来获取它的返回值。

参数:buf 参数需要你传递图片文件的 Buffer 数据,你可以使用 fs 模块读取图片文件。

返回值:

[
    {
        className: [
            'giant panda',
            'panda',
            'panda bear',
            'coon bear',
            'Ailuropoda melanoleuca'
        ],
        probability: 0.9819085597991943
    },
    {
        className: [ 'Chihuahua' ],
        probability: 0.006128392647951841
    },
    {
        className: [ 'French bulldog' ],
        probability: 0.0026271280366927385
    }
]

例子:

const myImgBuf = require('fs').readFileSync(myImgPath);

model.recognize(myImgBuf);

侦测图片中的全部物体

model.detect(buf)

detect 函数返回一个 Promise 对象,你可以使用 await 语句来获取它的返回值。

参数:buf 参数需要你传递图片文件的 Buffer 数据,你可以使用 fs 模块读取图片文件。

返回值:

[
    {
        bbox: {
            x: 66.92952662706375,
            y: 158.30181241035461,
            width: 157.67111629247665,
            height: 165.00252485275269
        },
        class: 'bear',
        score: 0.9642460346221924
    },
    {
        bbox: {
            x: 180.56899309158325,
            y: -0.32786130905151367,
            width: 246.6680407524109,
            height: 308.3251893520355
        },
        class: 'bear',
        score: 0.9133073091506958
    }
]

例子:

const myImgBuf = require('fs').readFileSync(myImgPath);

model.detect(myImgBuf);

侦测图片中的全部物体并识别它们

model.detectAndRecognize(buf);

detectAndRecognize 函数返回一个 Promise 对象,你可以使用 await 语句来获取它的返回值。

参数:buf 参数需要你传递图片文件的 Buffer 数据,你可以使用 fs 模块读取图片文件。

返回值:

[
    recognizeObject,
    recognizeObject,
    recognizeObject
]

例子:

const myImgBuf = require('fs').readFileSync(myImgPath);

model.detectAndRecognize(myImgBuf);

以上所述就是小编给大家介绍的《Recognize.js 1.0.0-alpha 发布,Node.js 物体识别 AI 框架》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

R数据科学

R数据科学

[新西兰] 哈德利 • 威克姆、[美] 加勒特 • 格罗勒芒德 / 陈光欣 / 人民邮电出版社 / 2018-7 / 139.00元

本书的目标是教会读者使用最重要的数据科学工具,从而为实施数据科学奠定坚实的基础。读完本书后,你将掌握R语言的精华,并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容:先给出一些引人入胜的示例,以便你可以整体了解这一章的内容,然后再深入细节。本书的每一节都配有习题,以帮助你实践所学到的知识。一起来看看 《R数据科学》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

URL 编码/解码
URL 编码/解码

URL 编码/解码

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器