Bildklassifizierung mit JavaScript
Die Bedeutung der Bildklassifizierung besteht darin, so viele Informationen wie möglich aus dem Bild zu extrahieren. Wenn Sie beispielsweise ein Bild auf Google Fotos hochladen, werden Informationen aus dem Bild extrahiert und auf der Grundlage dieser Informationen ein Standort vorgeschlagen.
Wir können OpenCV verwenden, um jede noch so kleine Information im Bild zu erkennen und das Bild vorherzusagen.
Das Trainieren und Testen eines Modells von Grund auf mit JavaScript erfordert viel Aufwand und erfordert den richtigen Datensatz mit verschiedenen Bildern. In diesem Tutorial verwenden wir daher das vorab trainierte Modell von ml5.js, um Bilder zu klassifizieren.
Die Bibliothekml5.js enthält verschiedene vorab trainierte Modelle, um dem Entwickler das Leben zu erleichtern. Darüber hinaus nutzt es die GPU des Browsers, um mathematische Operationen auszuführen, was es effizienter macht.
Grammatik
Benutzer können die ml5.js-Bibliothek verwenden, um Bilder gemäß der folgenden Syntax zu klassifizieren.
image_classifier.predict(image, function (err, outputs) {
if (err) {
return alert(err);
} else {
output.innerText = outputs[0].label;
}
});
In der obigen Syntax ist „image_classifier“ ein vorab trainiertes Bildklassifizierungsmodell, das aus der ml5.js-Bibliothek importiert wurde. Wir rufen die Methode „predict“ auf, indem wir das Bild als ersten Parameter und die Callback-Funktion als zweiten Parameter übergeben. In der Callback-Funktion erhalten wir die Ausgabe oder den Fehler.
Schritte
Schritt 1 – Fügen Sie die Bibliothek „ml5.js“ mithilfe von CDN zum Webseitencode hinzu.
Schritt 2 – Eingabe hinzufügen, um Dateien hochzuladen und Schaltflächen zu kategorisieren.
Schritt 3 – Greifen Sie in JavaScript auf die erforderlichen HTML-Elemente und das „MobileNet“-Modell von ml5.js zu. Darüber hinaus wird die Funktion modelLoad() ausgeführt, nachdem das Modell geladen wurde.
Schritt 4 – Danach wird jedes Mal, wenn der Benutzer ein Bild hochlädt, das Ereignis ausgelöst und das Bild in der Callback-Funktion gelesen. Zeigen Sie das Bild auch auf dem Bildschirm an.
Schritt 5 – Wenn der Benutzer auf die Schaltfläche „Bild klassifizieren“ klickt, verwenden Sie die Vorhersagemethode des Bildklassifikators, um Informationen über das Bild vorherzusagen.
Beispiel 1
Im folgenden Beispiel fügen wir die Bibliothek „ml5.js“ über CDN zum Abschnitt
hinzu. Wenn der Benutzer danach ein Bild hochlädt, lesen wir es und zeigen es auf dem Bildschirm an. Als Nächstes verwenden wir eine Vorhersagemethode, um Merkmale aus dem Bild zu extrahieren, wenn der Benutzer die Klassifizierungstaste drückt. In der Ausgabe kann der Benutzer unterhalb des Bildes Informationen zum Bild anzeigen.<html>
<head>
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js"></script>
</head>
<body>
<h2>Creating the <i> Image classifier </i> using the ml5.js in JavaScript.</h2>
<h4 id = "content"> Wait until model loads. </h4>
<input type = "file" name = "Image" id = "upload_image" accept = "jpg,jpeg,png">
<br> <br>
<img src = "" class = "image" id = "show_image" width = "300px" height = "300px">
<br>
<button class = "button" id = "triggerClassify"> Classify the image </button>
<br>
<h2 id = "output"> </h2>
<script>
window.onload = function () {
// access all HTML elements and image classifier
const image_classifier = ml5.imageClassifier("MobileNet", modelLoaded);
const triggerClassify = document.getElementById("triggerClassify");
const upload_image = document.getElementById("upload_image");
const show_image = document.getElementById("show_image");
const output = document.getElementById("output");
// when the model is loaded, show the message
function modelLoaded() {
let content = document.getElementById("content");
content.innerText = "Model is loaded! Now, test it by uploading the image.";
}
// When the user uploads the image, show it on the screen
upload_image.onchange = function () {
if (this.files && this.files[0]) {
// using FileReader to read the image
var reader = new FileReader();
reader.onload = function (e) {
show_image.src = e.target.result;
};
reader.readAsDataURL(this.files[0]);
}
};
// classify the image when the user clicks the button
triggerClassify.onclick = function (e) {
// predict the image using the model
image_classifier.predict(show_image, function (err, outputs) {
if (err) {
return err;
} else {
// show the output
output.innerText = outputs[0].label;
}
});
};
}
</script>
</body>
</html>
Beispiel
Im folgenden Beispiel kann der Benutzer einen Bildlink in das Eingabefeld einfügen. Wenn Sie danach auf die Schaltfläche „Bild abrufen“ klicken, wird das Bild auf der Webseite angezeigt. Wenn der Benutzer als Nächstes auf die Schaltfläche „Bilder klassifizieren“ klickt, kann er die Ausgabe mit den Bildinformationen auf dem Bildschirm sehen.
<html>
<head>
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js"></script>
</head>
<body>
<h2>Creating the <i> Image classifier </i> using the ml5.js in JavaScript.</h2>
<h4 id = "content"> Wait until model loads. </h4>
<input type = "text" id = "link_input" placeholder = "Paste image link here">
<button id = "fetch_image"> Fetch Image </button>
<br> <br>
<img src = "" id = "show_image" width = "300px" height = "300px" crossorigin = "anonymous">
<img src = "" class = "image" id = "imageView">
<br>
<button class = "button" id = "triggerClassify"> Classify the image </button>
<br>
<h2 id = "output"> </h2>
<script>
window.onload = function () {
// access all HTML elements and image classifier
const image_classifier = ml5.imageClassifier("MobileNet", modelLoaded);
const triggerClassify = document.getElementById("triggerClassify");
let link_input = document.getElementById("link_input");
const show_image = document.getElementById("show_image");
const output = document.getElementById("output");
// when the model is loaded, show the message
function modelLoaded() {
let content = document.getElementById("content");
content.innerText = "Model is loaded! Now, test it by uploading the image.";
}
fetch_image.onclick = function (e) {
let link = link_input.value;
console.log(link);
if (link != null && link != undefined) {
show_image.src = link;
}
};
triggerClassify.onclick = function (e) {
image_classifier.predict(show_image, function (err, outputs) {
if (err) {
console.error(err);
} else {
output.innerText = outputs[0].label;
}
});
};
}
</script>
</body>
</html>
Der Benutzer hat gelernt, Bilder mithilfe eines vorab trainierten Modells in JavaScript zu klassifizieren. Wir verwenden die Bibliothek „ml5.js“, um Bildfunktionen zu extrahieren. Wir können Bilder mithilfe der realen Bildklassifizierung klassifizieren. Darüber hinaus gibt es viele weitere Anwendungsfälle für die Bildklassifizierung.
Das obige ist der detaillierte Inhalt vonBildklassifizierung mit JavaScript. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
1378
52
Wie erstelle ich meine eigenen JavaScript -Bibliotheken?
Mar 18, 2025 pm 03:12 PM
In Artikel werden JavaScript -Bibliotheken erstellt, veröffentlicht und aufrechterhalten und konzentriert sich auf Planung, Entwicklung, Testen, Dokumentation und Werbestrategien.
Wie optimiere ich den JavaScript -Code für die Leistung im Browser?
Mar 18, 2025 pm 03:14 PM
In dem Artikel werden Strategien zur Optimierung der JavaScript -Leistung in Browsern erörtert, wobei der Schwerpunkt auf die Reduzierung der Ausführungszeit und die Minimierung der Auswirkungen auf die Lastgeschwindigkeit der Seite wird.
Was soll ich tun, wenn ich auf den Codendruck auf Kleidungsstücke für Front-End-Thermalpapier-Quittungen stoße?
Apr 04, 2025 pm 02:42 PM
Häufig gestellte Fragen und Lösungen für das Ticket-Ticket-Ticket-Ticket in Front-End im Front-End-Entwicklungsdruck ist der Ticketdruck eine häufige Voraussetzung. Viele Entwickler implementieren jedoch ...
Wie debugge ich den JavaScript -Code effektiv mithilfe von Browser -Entwickler -Tools?
Mar 18, 2025 pm 03:16 PM
In dem Artikel werden effektives JavaScript -Debuggen mithilfe von Browser -Entwickler -Tools, der Schwerpunkt auf dem Festlegen von Haltepunkten, der Konsole und der Analyse der Leistung erörtert.
Wer bekommt mehr Python oder JavaScript bezahlt?
Apr 04, 2025 am 12:09 AM
Es gibt kein absolutes Gehalt für Python- und JavaScript -Entwickler, je nach Fähigkeiten und Branchenbedürfnissen. 1. Python kann mehr in Datenwissenschaft und maschinellem Lernen bezahlt werden. 2. JavaScript hat eine große Nachfrage in der Entwicklung von Front-End- und Full-Stack-Entwicklung, und sein Gehalt ist auch beträchtlich. 3. Einflussfaktoren umfassen Erfahrung, geografische Standort, Unternehmensgröße und spezifische Fähigkeiten.
Wie verwende ich Quellkarten zum Debuggen, um den JavaScript -Code zu debuggen?
Mar 18, 2025 pm 03:17 PM
In dem Artikel wird erläutert, wie Quellkarten zum Debuggen von JavaScript verwendet werden, indem er auf den ursprünglichen Code zurückgegeben wird. Es wird erläutert, dass Quellenkarten aktiviert, Breakpoints eingestellt und Tools wie Chrome Devtools und WebPack verwendet werden.
Der Unterschied in der Konsole.log -Ausgabeergebnis: Warum unterscheiden sich die beiden Anrufe?
Apr 04, 2025 pm 05:12 PM
Eingehende Diskussion der Ursachen des Unterschieds in der Konsole.log-Ausgabe. In diesem Artikel wird die Unterschiede in den Ausgabeergebnissen der Konsolenfunktion in einem Code analysiert und die Gründe dafür erläutert. � ...
TypeScript für Anfänger, Teil 2: Grundlegende Datentypen
Mar 19, 2025 am 09:10 AM
Sobald Sie das Typscript-Tutorial für Einstiegsklasse gemeistert haben, sollten Sie in der Lage sein, Ihren eigenen Code in eine IDE zu schreiben, die TypeScript unterstützt und in JavaScript zusammenfasst. Dieses Tutorial wird in verschiedenen Datentypen in TypeScript eingetaucht. JavaScript hat sieben Datentypen: NULL, UNDEFINED, BOOLEAN, NUMMER, STRING, SYMBOL (durch ES6 eingeführt) und Objekt. TypeScript definiert mehr Typen auf dieser Grundlage, und dieses Tutorial wird alle ausführlich behandelt. Null -Datentyp Wie JavaScript, null in TypeScript
