Esta página se tradujo automáticamente con la API de traducción de Google Cloud.
Algunas páginas se pueden leer mejor en su totalidad.
En esta publicación, aprenderemos a usar TensorFlow.js y Node.js para realizar la detección de objetos en tiempo real.
TensorFlow.js es una biblioteca de código abierto para el aprendizaje automático en JavaScript. Le permite entrenar y ejecutar modelos de aprendizaje automático en el navegador o en un entorno Node.js.
Node.js es un entorno de tiempo de ejecución de JavaScript que le permite ejecutar código JavaScript fuera del navegador.
Podemos usar TensorFlow.js y Node.js para realizar la detección de objetos en tiempo real al:
Comenzaremos entrenando un modelo de aprendizaje automático para detectar objetos en imágenes. Para ello, utilizaremos el modelo MobileNet. MobileNet es un modelo preentrenado que ha sido entrenado en un gran conjunto de datos de imágenes.
Podemos utilizar MobileNet para realizar la detección de objetos mediante:
Veamos cómo podemos hacer esto en código:
// Load the MobileNet model.
const model = await mobilenet.load();
// Classify the image.
const predictions = await model.classify(image);
// Get the model's predictions.
console.log(predictions);
Una vez que hayamos entrenado nuestro modelo, podemos implementarlo en un servidor Node.js. Esto nos permitirá procesar las imágenes entrantes y detectar objetos en tiempo real.
Para hacer esto, necesitaremos:
Veamos cómo podemos hacer esto en código:
// Install the TensorFlow.js library.
npm install @tensorflow/tfjs
// Install the Node.js library.
npm install node
// Create a Node.js server.
const tf = require('@tensorflow/tfjs');
const express = require('express');
const app = express();
//Deploy the model to the server.
app.use(express.static(__dirname + '/model'));
// Process incoming images and detect objects in real-time.
app.post('/api/detect', async (req, res) => {
// Classify the image.
const predictions = await model.classify(req.body.image);
// Send the predictions to the client.
res.json(predictions);
});
// Start the server.
app.listen(3000, () => console.log('Server is running on port 3000'));
Una vez que nuestro servidor está en funcionamiento, podemos usarlo para procesar imágenes entrantes y detectar objetos en tiempo real.
Para hacer esto, necesitaremos:
Veamos cómo podemos hacer esto en código:
// Send an image to the server.
const image = 'some-image.jpg';
fetch('/api/detect', {
method: 'POST',
body: JSON.stringify({ image }),
})
.then(res => res.json())
.then(predictions => {
// Use the predictions to detect objects in the image.
console.log(predictions);
});
En esta publicación, hemos aprendido a usar TensorFlow.js y Node.js para realizar la detección de objetos en tiempo real.