本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請(qǐng)至雷鋒網(wǎng)官網(wǎng)申請(qǐng)授權(quán)。

到了慶祝的時(shí)候了！我們剛剛送走了圣誕老人?，F(xiàn)在正等待新年的鐘聲敲響。所以我想到建立一個(gè)很酷的東西（至少我的七歲小公主會(huì)覺得）同時(shí)學(xué)一點(diǎn)機(jī)器學(xué)習(xí)。所以我們要做一個(gè)什么？

我借用的我女兒所有迪士尼公主人偶來建立一個(gè)機(jī)器學(xué)習(xí)模型，這個(gè)應(yīng)用取名為“Princess Finder”，可以通過攝像頭將這些人偶的公主信息都識(shí)別出來。本文中我們將會(huì)學(xué)到這背后的一些知識(shí)以及擴(kuò)展它們的可能性。

The Princess Finder

該 Princess Finder 應(yīng)用是使用以下內(nèi)容構(gòu)建的：

• The Teachable Machine：如何簡(jiǎn)單，快速地創(chuàng)建models可直接在應(yīng)用程序或網(wǎng)站中使用的機(jī)器學(xué)習(xí)？可教學(xué)機(jī)器允許您將train計(jì)算機(jī)與圖像，聲音和姿勢(shì)一起使用。我們使用迪士尼公主創(chuàng)建了一個(gè)模型，以便我們可以Image Classification在應(yīng)用程序中使用它來執(zhí)行。

• ml5.js：這是使用您的Web瀏覽器進(jìn)行的Web機(jī)器學(xué)習(xí)。它使用Web瀏覽器的內(nèi)置圖形處理單元（GPU）進(jìn)行快速計(jì)算。我們可以像使用，可以用API如imageClassifier(model)，classify等來進(jìn)行圖像分類。

• React：這是一個(gè)用于構(gòu)建用戶界面的JavaScript庫(kù)。我們可以ml5.js在React應(yīng)用程序中使用它，只需安裝并將其作為依賴項(xiàng)導(dǎo)入即可。

這是應(yīng)用程序顯示的截圖，有93％的概率表明，這個(gè)娃娃是Jasmine（茉莉公主），它有明顯的金戒指標(biāo)記。

鑒于我根本不像迪士尼公主（甚至沒有洋娃娃）。因此，我自己的圖像已正確分類，說No Dolls。

這是一個(gè)很棒的簡(jiǎn)單演示。

幾個(gè)術(shù)語(yǔ)

如果您是機(jī)器學(xué)習(xí)的新手，您可能會(huì)發(fā)現(xiàn)其中一些術(shù)語(yǔ)有些不知所措。最好是從更高維的角度了解它們的含義以了解用法。

您可以從此處閱讀有關(guān)這些和其他機(jī)器學(xué)習(xí)術(shù)語(yǔ)的更多信息。

我們的Princess Finder應(yīng)用程序使用Supervised Machine learning，我們有trained將model有很多examples的公主的照片。每個(gè)示例數(shù)據(jù)還包含一個(gè)label，用于通過名稱標(biāo)識(shí)特定的公主。

Teachable Machine

我們可以使用Teachable Machine用戶界面通過幾個(gè)簡(jiǎn)單的步驟來創(chuàng)建ML模型。首先，瀏覽到此鏈接。（需要VPN）您可以選擇圖像，聲音或姿勢(shì)項(xiàng)目。在我們的例子中，它將是一個(gè)圖像項(xiàng)目。

接下來，我們需要通過選擇示例（圖像和標(biāo)簽）來定義分類。我們可以使用網(wǎng)絡(luò)攝像頭拍攝照片，也可以上傳圖像。

加載示例后，我們便開始培訓(xùn)。這將為我們創(chuàng)建一個(gè)模型。

訓(xùn)練完成后，您可以使用實(shí)時(shí)數(shù)據(jù)測(cè)試模型。滿意后，您可以導(dǎo)出模型以在應(yīng)用程序中使用它。

最后，我們可以下載模型以在我們的應(yīng)用程序中使用它。您可以選擇將模型上傳到云中，以使用URL進(jìn)行使用。您也可以將項(xiàng)目保存到Google Drive。

如果您有興趣使用或擴(kuò)展我創(chuàng)建的模型，則可以下載并將其導(dǎo)入“可教機(jī)器”界面。

使用ml5.js和React的用戶界面

現(xiàn)在我們有了一個(gè)模型。我們將使用該ml5.js庫(kù)導(dǎo)入模型，并使用實(shí)時(shí)流對(duì)圖像進(jìn)行分類。我最熟悉的是React。您可以使用任何UI庫(kù)，框架或原始JavaScript。我已經(jīng)使用create-react-app啟動(dòng)應(yīng)用程序的骨架并在一分鐘內(nèi)運(yùn)行。

安裝ml5.js依賴項(xiàng)

# Or, npm install ml5  
yarn add ml5 

將模型解壓縮public到項(xiàng)目文件夾下。我們可以model在公共目錄下創(chuàng)建一個(gè)名為的文件夾，然后提取文件。

使用ml5.js庫(kù)來加載模型。我們將使用該imageClassifier方法來傳遞模型文件。此方法調(diào)用返回一個(gè)分類器對(duì)象，我們將在一段時(shí)間內(nèi)使用該對(duì)象對(duì)實(shí)時(shí)圖像進(jìn)行分類。還要注意，一旦成功加載模型，我們將初始化網(wǎng)絡(luò)攝像頭設(shè)備，以便我們可以從實(shí)時(shí)流中收集圖像。

useEffect(() => {     
   classifier = ml5.imageClassifier("./model/model.json", () => {       
       navigator.mediaDevices         
           .getUserMedia({ video: true, audio: false })         
           .then((stream) => {           
               videoRef.current.srcObject = stream;           
               videoRef.current.play();           
               setLoaded(true);         
            });     
       });   
    }, []); 

我們還需要在render函數(shù)中定義一個(gè)視頻組件

<video       
    ref={videoRef}       
    style={{ transform: "scale(-1, 1)" }}       
    width="200"       
    height="150" /> 

接下來，我們?cè)诜诸惼魃险{(diào)用classify()方法以獲取結(jié)果。該results是所有比賽的目標(biāo)參數(shù)標(biāo)簽的數(shù)組。

classifier.classify(videoRef.current, (error, results) => {    
    if (error) {       
        console.error(error);       
        return;    
    }    
    setResult(results);  
}); 

我們應(yīng)該classify在指定的時(shí)間間隔內(nèi)使用方法調(diào)用。您可以使用一個(gè)稱為React的React Hook，useInterval進(jìn)行相同操作。結(jié)果數(shù)組可能看起來像這樣，

請(qǐng)從此處找到App.js文件的完整代碼。就是這樣，您現(xiàn)在可以使用此result數(shù)組提供您想要的任何UI表示形式。在我們的例子中，我們?cè)趦蓚€(gè)React組件中使用了這個(gè)結(jié)果數(shù)組，

1.列出公主并突出顯示最匹配的那個(gè)

<Princess data={result} / 

2.顯示儀表圖以指示匹配的置信度。

<Chart data={result[0]} / 

Princess組件循環(huán)遍歷結(jié)果數(shù)組，并使用一些CSS樣式突出顯示它們，并呈現(xiàn)它們。

import React from "react"; 
const Princess = (props) => {   
   const mostMatched = props.data[0];   
   const allLabels = props.data.map((elem) => elem.label);   
   const sortedLabels = allLabels.sort((a, b) => a.localeCompare(b));   
       return (     
           <>       
               <ul className="princes">         
                   {sortedLabels.map((label) => (           
                       <li key={label}>             
                       <span>               
                       <img                 
                           className={`img ${                   
                               label === mostMatched.label ? "selected" : null                 
                       }`}                 
                   src={                   
                       label === "No Dolls"                     
                           ? "./images/No.png"                     
                           : `./images/${label}.png`                 
                   }                 
                   alt={label}               
                   />               
                   <p className="name">{label}</p>             
                </span>           
              </li>         
            ))}       
         </ul>     
       </>   
      ); 
   }; 
export default Princess; 

圖表組件就是這樣

import React from "react"; 
import GaugeChart from "react-gauge-chart"; 
const Chart = (props) => {   
   const data = props.data;   
   const label = data.label;   
   const confidence = parseFloat(data.confidence.toFixed(2));   
   return (     
       <div>       
           <h3>Classification Confidence: {label}</h3>         
           <GaugeChart         
               id="gauge-chart3"         
               nrOfLevels={3}         
               colors={["#FF5F6D", "#FFC371", "rgb(26 202 26)"]}         
               arcWidth={0.3}         
               percent={confidence}       
           />     
       </div>   
   ); 
}; 
export default Chart; 

就是這樣。請(qǐng)從GitHub存儲(chǔ)庫(kù)中找到完整的源代碼。如果您喜歡這項(xiàng)工作，請(qǐng)隨時(shí)給項(xiàng)目加星號(hào)（⭐）。

https://github.com/atapas/princess-finder