html5滑动页面-如何使用 ml5.js 和 HTML 创建图像分类工具

bendan520 html5

2023-08-26 0 4,412 百度已收录

立即下单

进入商城

进不了网站？换个网络试试！

译者| 劳斯莱斯

校对员| 孙淑娟

机器学习是一个流行且令人兴奋的领域，您只需使用网络浏览器就可以开始尝试其基本概念。

机器学习是现代世界的基础技术。计算机可以学习识别图像、创作艺术品，甚至编写自己的代码，所有这些都几乎不需要人工干预。

但机器学习是如何运作的呢？你自己怎么用呢？

机器学习简介

机器学习是一个相对简单的概念。计算机系统可以通过剖析信息池中现有的数据模式来学习和适应。这通常是在没有人类明确指示的情况下完成的。

虚拟助理工具就是一个很好的例子。 Siri、Cortana 和 Microsoft Assistant 都广泛使用机器学习来理解人类语言。这源于现有的录音库，但此类工具也无法从与用户的交互中学到很少的东西。这也让他们能够提高自己。

ml5.js 简介

大多数机器学习算法和工具都是用 R 或 Python 编写的，但 ml5.js 不同。 ml5.js 是 Microsoft Tensorflow.js 库的插件，是一个开源项目，可将机器学习交给 JavaScript 开发人员。

只需在 HTML 中包含一段外部脚本，您就可以开始将 ml5.js 用于您自己的 Web 应用程序。

机器学习入门：学习过程

训练机器学习算法需要时间。计算机的学习速度比人类快得多，但它们的学习方式也不同。幸运的是，ml5.js 附带了一组预训练的模型，因此您可以跳过这一步。

了解机器学习算法的训练方式是更好地理解这些工具的好方法。

使用 JavaScript 构建图像分类工具

ml5.js 使用户可以轻松创建在网站上运行的图像分类工具。此示例中的 HTML 页面包含用于选择图像的文件输入数组。上传的图像显示在准备好的 HTML 元素中，以便 ml5.js 可以扫描和识别它们。

包含ml5.js库

该项目需要两个库才能运行：ml5.js 和 p5.js。 ml5.js 是一个机器学习库html5滑动页面，而 p5.js 使用户能够正确处理图像。您需要两行 HTML 代码来添加此库：

<script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/1.0.0/p5.min.js">
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js">

左右滑动查看完整代码

创建一些 HTML 元素

接下来，是时候创建一些 HTML 元素了。最重要的是带有 ID 的 div 和标记为 imageResult 的类，该类将保存最终结果：


MakeUseOf Image Classifier

Click "Choose File" to Add an Image

<div class="imageResult" id="imageResult">

左右滑动查看完整代码

稍后，添加一个文件输入元素来收集图像以供程序进行分类。

<div class="imageInput">
<input type="file"
oninput="uploadedImage.src=window.URL.createObjectURL(this.files[0]); startImageScan()">

左右滑动查看完整代码

input 负责监听 oninput 并执行两个以分号分隔的句子作为响应。第一句话创建图像的对象 URL，它允许您操作数据而无需将其上传到服务器。第二句调用 startImageScan() 函数，您将在下一步中创建该函数。

最后，添加 img 元素来显示用户上传的图像：

"uploadedImage" id="uploadedImage" />

左右滑动查看完整代码

用于创建扫描图像的 JavaScript 函数

现在您已经有了一些 HTML，是时候添加一些 JavaScript 了。首先添加一个 const 变量来存储您在上一步中创建的 imageResult 元素。

const element = document.getElementById("imageResult");

左右滑动查看完整代码

接下来，添加一个名为 startImageScan() 的函数html5滑动页面，并在其中使用 MobileNet 初始化 ml5.js 图像分类器。

然后使用classifier.classify命令。向其传递对稍后添加的 uploadedImage 元素的引用，以及用于处理结果的弹跳函数。

function startImageScan() {
// Create a variable to initialize the ml5.js image classifier with MobileNet
const classifier = ml5.imageClassifier('MobileNet');
classifier.classify(document.getElementById("uploadedImage"), imageScanResult);
element.innerHTML = "...";
}

左右滑动查看完整代码

创建结果显示函数

还需要一个函数来显示所执行的图像分类的结果。该函数包含一个简单的 if 语句来检测任何错误。

function imageScanResult(error, results) {
if (error) {
element.innerHTML = error;
} else {
let num = results[0].confidence * 100;
element.innerHTML = results[0].label + "
Confidence: " + num.toFixed(0) + "%";
}
}