客服电话
APP下载
迪恩网络APP
随时随地掌握行业动态
官方微信
扫描二维码
关注迪恩网络微信公众号
开源软件名称：Recognize.js开源软件地址：https://gitee.com/bd999/recognizejs开源软件介绍：安装首先下载并安装 GraphicsMagick。在 Mac OS X 中，你可以方便地使用 Homebrew 安装: brew install graphicsmagick然后使用 npm 下载 npm i recognizejs开始导入 const Recognizejs = require('recognizejs');尝试 Recognizejs
const myModel = new Recognizejs();// 初始化它// init 函数会返回一个 Promise 对象await myModel.init();PS: 模型初始化可能需要 1-2分钟时间（取决于你的设备性能），所以请耐心等待。
const fs = require('fs');const myImgBuffer = fs.readFileSync(myImagePath);
// recognize 函数会返回一个 Promise 对象，我们推荐你使用 await 语句获取它的返回值const results = await myModel.recognize(myImgBuffer);/* [ { className: ['className1', 'className2', 'className...'], probability: 0.9 }, { className: ['className1', 'className2', 'className...'], probability: 0.599 } ]*/console.log(results);上述例子中的代码可以在 API创建一个 Recognizejs 对象new Recognizejs(config?);参数：config 是一个可选的参数，并有以下的属性： { cocoSsd?: { // base：控制基本cnn模型，可以是“ mobilenet_v1”，“ mobilenet_v2”或“ lite_mobilenet_v2”。 默认为“ lite_mobilenet_v2”。 lite_mobilenet_v2的大小最小，推理速度最快。 mobilenet_v2具有最高的分类精度。 base?: ObjectDetectionBaseModel, // 一个可选的字符串，用于指定模型的自定义网址。 这对于无法访问GCP上托管的模型的区域/国家非常有用。 modelUrl?: string }, mobileNet?: { // MobileNet版本号。 将1用于MobileNetV1，将2用于MobileNetV2。 默认为1。 version: 1, // 控制网络的宽度，交易性能的准确性。 较小的alpha会降低准确性并提高性能。 0.25仅适用于V1。 默认为1.0。 alpha?: 0.25 | .50 | .75 | 1.0, // 用于指定自定义模型url或tf.io.IOHandler对象的可选参数。 返回模型对象。 // 如果您在中国大陆，请将 modelUrl 改为 https://hub.tensorflow.google.cn 上的模型。 modelUrl?: string // 可选参数，用于指定由modelUrl托管的训练模型期望的像素值范围。 通常为[0，1]或[-1，1]。 inputRange?: [number, number] }}
初始化训练模型model.init(modelType?);
参数：modelType 可以是一个字符串或数组。您可以在此处设置要加载的模型，以避免加载不需要的模型。[如果不设置 modelType，它将同时加载 cocoSsd 和 mobileNet 模型] 例子： model.init();// 或model.init(['cocoSsd', 'mobileNet']);// 或model.init('cocoSsd');// 或model.init('mobileNet');如果你不使用 识别图片中的物体model.recognize(buf);
参数：buf 参数需要你传递图片文件的 Buffer 数据，你可以使用 fs 模块读取图片文件。 返回值： [ { className: [ 'giant panda', 'panda', 'panda bear', 'coon bear', 'Ailuropoda melanoleuca' ], probability: 0.9819085597991943 }, { className: [ 'Chihuahua' ], probability: 0.006128392647951841 }, { className: [ 'French bulldog' ], probability: 0.0026271280366927385 }]例子： const myImgBuf = require('fs').readFileSync(myImgPath);model.recognize(myImgBuf);侦测图片中的全部物体model.detect(buf)
参数：buf 参数需要你传递图片文件的 Buffer 数据，你可以使用 fs 模块读取图片文件。 返回值： [ { bbox: { x: 66.92952662706375, y: 158.30181241035461, width: 157.67111629247665, height: 165.00252485275269 }, class: 'bear', score: 0.9642460346221924 }, { bbox: { x: 180.56899309158325, y: -0.32786130905151367, width: 246.6680407524109, height: 308.3251893520355 }, class: 'bear', score: 0.9133073091506958 }]例子： const myImgBuf = require('fs').readFileSync(myImgPath);model.detect(myImgBuf);侦测图片中的全部物体并识别它们model.detectAndRecognize(buf);
参数：buf 参数需要你传递图片文件的 Buffer 数据，你可以使用 fs 模块读取图片文件。 返回值： [ recognizeObject, recognizeObject, recognizeObject]例子： const myImgBuf = require('fs').readFileSync(myImgPath);model.detectAndRecognize(myImgBuf);许可证Copyright ©️ 2020, Yingxuan (Bill) Dong  |
请发表评论