Klasifikasi imej menggunakan JavaScript
Maksud klasifikasi imej ialah mengekstrak sebanyak mungkin maklumat daripada imej. Contohnya, apabila anda memuat naik imej ke Google Photos, ia mengekstrak maklumat daripada imej dan mencadangkan lokasi berdasarkan maklumat tersebut.
Kami boleh menggunakan OpenCV untuk mengesan setiap maklumat kecil dalam imej dan meramalkan imej.
Melatih dan menguji model dari awal menggunakan JavaScript memerlukan banyak usaha dan memerlukan set data yang betul yang mengandungi imej yang berbeza. Jadi, dalam tutorial ini, kami akan menggunakan model pra-latihan ml5.js untuk mengklasifikasikan imej.
Pustakaml5.js mengandungi pelbagai model pra-latihan untuk menjadikan kehidupan pembangun lebih mudah. Selain itu, ia menggunakan GPU penyemak imbas untuk melaksanakan operasi matematik, menjadikannya lebih cekap.
Tatabahasa
Pengguna boleh menggunakan perpustakaan ml5.js untuk mengklasifikasikan imej mengikut sintaks berikut.
image_classifier.predict(image, function (err, outputs) {
if (err) {
return alert(err);
} else {
output.innerText = outputs[0].label;
}
});
Dalam sintaks di atas, "image_classifier" ialah model pengelasan imej terlatih yang diimport daripada pustaka ml5.js. Kami memanggil kaedah "ramalkan" dengan menghantar imej sebagai parameter pertama dan fungsi panggil balik sebagai parameter kedua. Dalam fungsi panggil balik kita mendapat output atau ralat.
Langkah
Langkah 1 - Tambahkan perpustakaan "ml5.js" pada kod halaman web menggunakan CDN.
Langkah 2 - Tambahkan input untuk memuat naik fail dan mengkategorikan butang.
Langkah 3 - Dalam JavaScript, akses elemen HTML yang diperlukan dan model "MobileNet" daripada ml5.js. Selain itu, fungsi modelLoad() dilaksanakan selepas model dimuatkan.
Langkah 4 - Selepas itu, setiap kali pengguna memuat naik imej, acara dicetuskan dan imej dibaca dalam fungsi panggil balik. Juga, paparkan imej pada skrin.
Langkah 5 - Apabila pengguna menekan butang pengelas imej, gunakan kaedah ramalan pengelas imej untuk meramal maklumat tentang imej.
Contoh 1
Dalam contoh di bawah, kami menambah perpustakaan "ml5.js" pada bahagian
melalui CDN. Selepas itu, setiap kali pengguna memuat naik imej, kami membacanya dan memaparkannya pada skrin. Seterusnya, kami menggunakan kaedah ramalan untuk mengekstrak ciri daripada imej apabila pengguna menekan butang pengelasan. Dalam output, pengguna boleh memaparkan maklumat tentang imej di bawah imej.<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>
Contoh
Dalam contoh di bawah, pengguna boleh menampal pautan imej ke dalam medan input. Selepas itu, setiap kali mereka menekan butang dapatkan imej, ia akan memaparkan imej pada halaman web. Seterusnya, apabila pengguna mengklik butang Klasifikasi Imej, mereka boleh melihat output yang mengandungi maklumat imej pada skrin.
<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>
Pengguna belajar mengklasifikasikan imej menggunakan model terlatih dalam JavaScript. Kami menggunakan perpustakaan "ml5.js" untuk mengekstrak ciri imej. Kita boleh mengelaskan imej menggunakan klasifikasi imej kehidupan sebenar. Selain itu, terdapat banyak kes penggunaan lain untuk klasifikasi imej.
Atas ialah kandungan terperinci Klasifikasi imej menggunakan JavaScript. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Undress AI Tool
Gambar buka pakaian secara percuma
Clothoff.io
Penyingkiran pakaian AI
AI Hentai Generator
Menjana ai hentai secara percuma.
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Topik panas
1378
52
Bagaimana saya membuat dan menerbitkan perpustakaan JavaScript saya sendiri?
Mar 18, 2025 pm 03:12 PM
Artikel membincangkan membuat, menerbitkan, dan mengekalkan perpustakaan JavaScript, memberi tumpuan kepada perancangan, pembangunan, ujian, dokumentasi, dan strategi promosi.
Bagaimanakah saya mengoptimumkan kod JavaScript untuk prestasi dalam penyemak imbas?
Mar 18, 2025 pm 03:14 PM
Artikel ini membincangkan strategi untuk mengoptimumkan prestasi JavaScript dalam pelayar, memberi tumpuan kepada mengurangkan masa pelaksanaan dan meminimumkan kesan pada kelajuan beban halaman.
Apa yang perlu saya lakukan jika saya menghadapi percetakan kod yang dihiasi untuk resit kertas terma depan?
Apr 04, 2025 pm 02:42 PM
Soalan dan penyelesaian yang sering ditanya untuk percetakan tiket kertas terma depan dalam pembangunan front-end, percetakan tiket adalah keperluan umum. Walau bagaimanapun, banyak pemaju sedang melaksanakan ...
Bagaimanakah saya boleh debug kod javascript dengan berkesan menggunakan alat pemaju pelayar?
Mar 18, 2025 pm 03:16 PM
Artikel ini membincangkan debugging JavaScript yang berkesan menggunakan alat pemaju pelayar, memberi tumpuan kepada menetapkan titik putus, menggunakan konsol, dan menganalisis prestasi.
Siapa yang dibayar lebih banyak Python atau JavaScript?
Apr 04, 2025 am 12:09 AM
Tidak ada gaji mutlak untuk pemaju Python dan JavaScript, bergantung kepada kemahiran dan keperluan industri. 1. Python boleh dibayar lebih banyak dalam sains data dan pembelajaran mesin. 2. JavaScript mempunyai permintaan yang besar dalam perkembangan depan dan stack penuh, dan gajinya juga cukup besar. 3. Faktor mempengaruhi termasuk pengalaman, lokasi geografi, saiz syarikat dan kemahiran khusus.
Bagaimanakah saya menggunakan peta sumber untuk debug kod JavaScript minified?
Mar 18, 2025 pm 03:17 PM
Artikel ini menerangkan cara menggunakan peta sumber untuk debug JavaScript minifikasi dengan memetakannya kembali ke kod asal. Ia membincangkan membolehkan peta sumber, menetapkan titik putus, dan menggunakan alat seperti Chrome Devtools dan Webpack.
Perbezaan dalam Konsol.Log Output Result: Mengapa kedua -dua panggilan berbeza?
Apr 04, 2025 pm 05:12 PM
Perbincangan mendalam mengenai punca-punca utama perbezaan dalam output konsol.log. Artikel ini akan menganalisis perbezaan hasil output fungsi Console.log dalam sekeping kod dan menerangkan sebab -sebab di belakangnya. � ...
TypeScript untuk pemula, Bahagian 2: Jenis Data Asas
Mar 19, 2025 am 09:10 AM
Sebaik sahaja anda telah menguasai tutorial TypeScript peringkat kemasukan, anda harus dapat menulis kod anda sendiri dalam IDE yang menyokong TypeScript dan menyusunnya ke dalam JavaScript. Tutorial ini akan menyelam ke dalam pelbagai jenis data dalam TypeScript. JavaScript mempunyai tujuh jenis data: null, undefined, boolean, nombor, rentetan, simbol (diperkenalkan oleh ES6) dan objek. Typescript mentakrifkan lebih banyak jenis atas dasar ini, dan tutorial ini akan meliputi semuanya secara terperinci. Jenis data null Seperti JavaScript, Null dalam TypeScript
