前言
你可能会想,作为一个前端开发员
,既没有人工智能和机器学习的基础,又没有深厚的学术理论功底能做深度学习
吗?
答案是肯定的。 为什么呢?
首先,我们要知道的是,目前社区中已经有很多非常成熟并且已经训练好的模型,比如:人脸识别
、人体姿态识别
、图像分类
、图像分割
、目标检测
等等等等,非常多,这些模型都是经过大量的数据训练得到的,我们只需要学会如何使用这些模型,并不需要自己去写算法,去训练模型。它就像 npm
的包一样,安装它,看文档,使用它,就可以了。
如果我们只是从应用深度学习
的角度出发,去使用现成的模型,来解决我们现实中存在的问题。那么就像前后端分离一样,让专业的人去做专业的事,深度学习也是如此,我们并不需要去花很多时间,深入了解深度学习的原理,也不需要自己去训练复杂的算法模型。
而 Tensorflow.js
就是一扇前端开发人员进入深度学习领域最好的大门,它提供了一套完整的 API,让我们可以很方便的使用深度学习模型。它可以在浏览器中运行,也可以在 node.js 中运行。它的 API 设计非常简单,而且它的文档也非常详细,我们可以很快的上手。
一些常见的深度学习模型可以看 👉🏻 开箱即用的 TensorFlow.js 预训练模型,它们都是开源的👉🏻 Github 地址。
社区中所有的模型可以在这里找到 👉🏻 TensorFlow Hub
人体姿态识别
在这篇文章中,我们将会介绍如何使用 WebRTC 相关 API 结合 Tensorflow.js
来实现一个运动直播的应用。
TensorFlow.js 与 WebRTC 结合,可以实现实时的人体姿态检测,从而可以在运动健康的直播中实现人体姿态的跟踪和识别。这样“老师”,或者“学员”能够更加直观的感受到自己和他人的身体姿态是否一致,能更清晰的观察动作的准确性,一致性。当然,这个应用还可以用于其他的场景,比如:健身房
、瑜伽教室
、舞蹈教室
等等。
人体姿态估计的方法有很多,如:基于深度学习的方法、基于传统机器学习的方法、基于几何的