【tensorflow.js学习笔记（3）】迁移学习——用web摄像头玩吃豆人游戏

最新推荐文章于 2024-01-31 11:50:23 发布

orangecsy

最新推荐文章于 2024-01-31 11:50:23 发布

阅读量1.1k

点赞数

本文链接：https://blog.csdn.net/orangecsy/article/details/80232007

版权

这篇笔记介绍了如何利用TensorFlow.js的迁移学习，结合web摄像头实现实时图像识别，控制吃豆人游戏。参照官方示例，引入预训练的mobilenet模型，并选取其深层特征层作为输出，以提高识别效果。

摘要由CSDN通过智能技术生成

笔记（2）中利用tensorflow.js实现了一个经典的机器学习问题——CNN识别手写数字集MNIST。这篇笔记将利用web摄像头识别图像并判断上、下、左、右来玩吃豆人游戏。参考官方示例Transfer learning - Train a neural network to predict from webcam data，修改了部分代码。

1、首先引入已训练好的模型，mobilenet

async function loadMobilenet() {
  const mobilenet = await tf.loadModel('./model.json');
  const layer = mobilenet.getLayer('conv_pw_13_relu');
  return tf.model({inputs: mobilenet.inputs, outputs: layer.output});
}

其中函数返回的tf.model中输入还是mobilenet的原始输入，输出为mobilenet的“conv_pw_13_relu”层。一般而言，因为越靠后所包含的训练信息越多，所以应选择已训练好的模型中越靠后的层。

2、定义摄像