本文介绍了如何利用TensorFlow.js中的MediaPipe Facemesh模型执行计算机视觉应用程序，特别是在浏览器中实时检测和跟踪人脸。通过六个简单步骤，包括加载TensorFlow.js库、设置视频标签、加载预训练模型以及在画布上绘制面部边界和界标，即可实现实时面部跟踪功能。这表明JavaScript也能用于机器学习应用，打破了只有Python或R才能进行数据科学的传统认知。
全文共1260字，预计学习时长7分钟
图源：morish
很多人都能运行操作计算机视觉应用程序。是的，学习并执行它并不难，现在有很多库可以用来执行如此强大的计算机视觉应用程序。
你有没有关注最近有没有看TensorFlow2020峰会？今年，TensorFlow团队发布了很多非常酷的产品，本文就将介绍如何使用tensorflow.js模型执行计算机视觉应用程序。
什么是TensorFlow.js？
TensorFlow.js是一个开源代码库，用于JavaScript中的机器学习应用程序和开发机器学习模型，并直接在浏览器或Node.js中使用机器学习。
什么是Tensorflow.js模型？
Tensorflow.js模型是经过预先训练的模型，用户无需为训练模型而准备/收集数据。这些模型托管在NPM（网络性能监控器）和unpkg上，可以应用于任何现成的项目。
本文将介绍tensorflow.js中的MediaPipeFacemesh模型。该模型是为移动设备上的前置摄像头设计的，在这些摄像头中，人脸往往会占据较大一部分画面。
Facemesh模型演示
最低0.47元/天 解锁文章
扫一扫
459
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
