Teachable Machine:浏览器玩转机器学习 图像/语音/姿态识别
简介:
Google Creative Lab 开发的 Teachable Machine 是Google提供的通过浏览器进行Machine Learning体验的项目,不需要编程,完全免费开源,只需要简单页面操作即可实现丰富的图像、语音、姿态识别的小项目。
通过Creative Lab ,小学生都可以实现一个机器学习项目,
使用Teachable Machine来简单学习、快速制作一些小机器学习Demo还是不错的。。。
Teachable Machine是用TensorFlowJS(Tensorflow in Javascript)开发的,以实现在Web浏览器上 对机器学习模型的训练、运行。。。
算法模型上,Teachable Machine使用了Transfer Learning (迁移学习),预训练模型用的是 :
-
Image图片/Pose姿态识别:MobileNet
-
Voice语音识别:Speech Command Recognizer
先上图:
快速上手:
使用非常简单,无需任何编程,直接通过浏览器操作 获取数据、训练、导出等操作。。
新建项目
浏览器(推荐Chrome)打开 https://teachablemachine.withgoogle.com/
点击GetStarted:
选择New Project,支持图片、音频、姿势识别
这里以图像project举例:
准备数据
直接点击添加目标Class名称和训练数据。
先添加图像类别class(lable)的名称
然后通过摄像头采集训练数据:
点击WebCam(WebCamera)打开摄像头后,一直点住Hold to Record按钮,摄像头就会不断采集图片, 直到感觉图片够用了就可以松开。。。
例如石头剪刀布识别:
Model训练
图片数据准备好后,点击Train Model 既开始Traning。。
在Advanced菜单里可以调整训练参数:支持Epoch/BatchSize 和学习率的调整
训练完成后可以通过 under the hood查看训练过程数据,如Accuracy/Loss曲线、Confusion Matrix混淆矩阵等
Model运行
Training完成后,通过Preview打开摄像头,就可以测试下刚训练的模型了:
非常简单吧~
Model导出
如果感觉模型效果不错,可以直接导出模型,放到自己的项目中使用:
支持导出为TensorFlow/TensorFlow.js/Tensorflow Lite模型
对于语音和姿态识别
和图片一样,对于语音和姿态识别,也是通过电脑的Mic和Camera获取语音/视频数据,进行训练和运行:
源码Github:
可以在github上查看相关源码和更多介绍:https://github.com/googlecreativelab/teachable-machine
博主热门文章推荐:
一篇读懂系列:
LoRa Mesh系列:
网络安全系列:
- ATECC508A芯片开发笔记(一):初识加密芯片
- SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果
- 常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)
- AES加解密效率测试(纯软件AES128/256)–以嵌入式Cortex-M0与M3 平台为例
嵌入式开发系列:
- 嵌入式学习中较好的练手项目和课题整理(附代码资料、学习视频和嵌入式学习规划)
- IAR调试使用技巧汇总:数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等
- Linux内核编译配置(Menuconfig)、制作文件系统 详细步骤
- Android底层调用C代码(JNI实现)
- 树莓派到手第一步:上电启动、安装中文字体、虚拟键盘、开启SSH等
- Android/Linux设备有线&无线 双网共存(同时上内、外网)
AI / 机器学习系列:
- AI: 机器学习必须懂的几个术语:Lable、Feature、Model…
- AI:卷积神经网络CNN 解决过拟合的方法 (Overcome Overfitting)
- AI: 什么是机器学习的数据清洗(Data Cleaning)
- AI: 机器学习的模型是如何训练的?(在试错中学习)
- 数据可视化:TensorboardX安装及使用(安装测试+实例演示)