极客笔记JavaScript 进行图像分类
图像分类的意义在于尽可能地从图像中提取信息。例如，当您将图像上传到Google照片时，它会从图像中提取信息并基于此提供位置建议。
我们可以使用OpenCV从图像中检测每一个小的信息并进行图像预测。
从头开始训练和测试使用JavaScript的模型需要大量的工作，而且还需要包含不同图像的适当数据集。因此，在本教程中，我们将使用ml5.js的预训练模型来对图像进行分类。
ml5.js库包含各种预训练模型，可以使开发人员的工作更加容易。此外，它使用浏览器的GPU执行数学运算，使其更高效。
语法
用户可以按照下面的语法使用ml5.js库对图像进行分类。
image_classifier.predict(image, function (err, outputs) {
if (err) {
return alert(err);
} else {
output.innerText = outputs[0].label;
}
});
在上述语法中，“image_classifier”是从ml5.js库导入的预训练图像分类模型。我们通过将图像作为第一个参数和回调函数作为第二个参数，调用了“predict”方法。在回调函数中，我们获取输出或错误。
步骤
- 步骤1 - 使用CDN在网页代码中添加“ml5.js”库。
-
步骤2 - 添加输入以上传文件和分类按钮。
-
步骤3 - 在JavaScript中，访问所需的HTML元素和ml5.js中的“MobileNet”模型。并在模型加载完成时执行modelLoad()函数。
-
步骤4 - 之后，每当用户上传图像时，触发事件并在回调函数中读取图像。同时，在屏幕上显示图像。
-
步骤5 - 当用户按下分类图像按钮时，使用图像分类器的预测方法来预测图像的信息。
示例1
在下面的示例中，我们通过CDN将“ml5.js”库添加到
部分。之后，每当用户上传图像时，我们读取它并在屏幕上显示。接下来，当用户按下分类按钮时，我们使用predict方法从图像中提取特征。在输出中，用户可以在图像下方显示有关图像的信息。<html>
<head>
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js"></script>
</head>
<body>
<h2>Creating the <i> Image classifier </i> using the ml5.js in JavaScript.</h2>
<h4 id = "content"> Wait until model loads. </h4>
<input type = "file" name = "Image" id = "upload_image" accept = "jpg,jpeg,png">
<br> <br>
<img src = "" class = "image" id = "show_image" width = "300px" height = "300px">
<br>
<button class = "button" id = "triggerClassify"> Classify the image </button>
<br>
<h2 id = "output"> </h2>
<script>
window.onload = function () {
// access all HTML elements and image classifier
const image_classifier = ml5.imageClassifier("MobileNet", modelLoaded);
const triggerClassify = document.getElementById("triggerClassify");
const upload_image = document.getElementById("upload_image");
const show_image = document.getElementById("show_image");
const output = document.getElementById("output");
// when the model is loaded, show the message
function modelLoaded() {
let content = document.getElementById("content");
content.innerText = "Model is loaded! Now, test it by uploading the image.";
}
// When the user uploads the image, show it on the screen
upload_image.onchange = function () {
if (this.files && this.files[0]) {
// using FileReader to read the image
var reader = new FileReader();
reader.onload = function (e) {
show_image.src = e.target.result;
};
reader.readAsDataURL(this.files[0]);
}
};
// classify the image when the user clicks the button
triggerClassify.onclick = function (e) {
// predict the image using the model
image_classifier.predict(show_image, function (err, outputs) {
if (err) {
return err;
} else {
// show the output
output.innerText = outputs[0].label;
}
});
};
}
</script>
</body>
</html>
示例2
在下面的示例中，用户可以将图像链接粘贴到输入字段中。之后，每当他们点击获取图像按钮时，它会在网页上显示图像。接下来，当用户点击分类图像按钮时，他们可以在屏幕上看到包含图像信息的输出。
<html>
<head>
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js"></script>
</head>
<body>
<h2>Creating the <i> Image classifier </i> using the ml5.js in JavaScript.</h2>
<h4 id = "content"> Wait until model loads. </h4>
<input type = "text" id = "link_input" placeholder = "Paste image link here">
<button id = "fetch_image"> Fetch Image </button>
<br> <br>
<img src = "" id = "show_image" width = "300px" height = "300px" crossorigin = "anonymous">
<img src = "" class = "image" id = "imageView">
<br>
<button class = "button" id = "triggerClassify"> Classify the image </button>
<br>
<h2 id = "output"> </h2>
<script>
window.onload = function () {
// access all HTML elements and image classifier
const image_classifier = ml5.imageClassifier("MobileNet", modelLoaded);
const triggerClassify = document.getElementById("triggerClassify");
let link_input = document.getElementById("link_input");
const show_image = document.getElementById("show_image");
const output = document.getElementById("output");
// when the model is loaded, show the message
function modelLoaded() {
let content = document.getElementById("content");
content.innerText = "Model is loaded! Now, test it by uploading the image.";
}
fetch_image.onclick = function (e) {
let link = link_input.value;
console.log(link);
if (link != null && link != undefined) {
show_image.src = link;
}
};
triggerClassify.onclick = function (e) {
image_classifier.predict(show_image, function (err, outputs) {
if (err) {
console.error(err);
} else {
output.innerText = outputs[0].label;
}
});
};
}
</script>
</body>
</html>
用户学习如何使用预训练模型在JavaScript中对图像进行分类。我们使用了“ml5.js”库来提取图像特征。我们可以在现实生活中使用图像分类对图像进行分类。此外，图像分类还有许多其他用途。