MachineLearning5 简介

针对web的友好机器学习模型包(第三方)

Kittenblock中的人工智能插件、Machinelearning5(机器学习)和TensorFlow这三者可以用一个图表来进行表示。

用户可以根据自己的学习阶段进行选择对应的插件进行学习。(见图1)

../_images/c01_015.png

图1 人工智能相关插件关系表

推荐插件对应的用户群体(见图2)

人工智能插件面向群体:一到四年级学生

MachineLearning5:五到九年级学生

TensorFlow:高中及以上学生

../_images/c01_023.png

图2 推荐插件对应的用户群体

简介

简介来源于ml5官网:

https://ml5js.org/

ml5.js旨在使广大的艺术家,创意编码员和学生能够使机器学习变得平易近人,可从网页上直接学习机器学习。该库提供了对浏览器中机器学习算法和模型的访问,构建在TensorFlow.js之上,不再需要其他外部的依赖。

ml5官网还有一个好处,您无需在自己本机电脑搭建复杂繁琐的编程环境。可以直接在网页上进行应用体验。

ml5服务器在国外,国内访问速度一般会很慢。

功能

图像分类器(视频图像分类)

MobileNet是一种机器学习模型,经过培训可识别某些图像的内容

../_images/c01_034.png

特征提取器的KNN分类器

允许人们使用KNN分类器在网络摄像头图像上训练“Rock Paper Scissor”分类器。

../_images/c01_043.png

涂鸦RNN

SketchRNN是一个反复出现的神经网络模型,它训练集来自于谷歌的猜图小歌。

../_images/c01_053.png

骨架网络

PoseNet是一种允许实时人体姿势估计的机器学习模型。

PoseNet可用于估计单个姿势或多个姿势,这意味着有一种算法只能检测一个人在图像/视频和一个版本中,可以检测图像/视频中的多个人。

../_images/c01_063.png

YOLO (待续)

YOLO:实时快速目标检测

../_images/c01_073.png

LSTM写诗 (待续)

导入大量样本后,机器进行学习,进行自主创作

风格类型迁移(待续)

Style Transfer是一种机器学习技术,可以将一个图像的样式转换为另一个图像。这是一个两步过程,首先您需要在一个特定样式上训练模型,然后您可以将此样式应用于另一个图像

../_images/c01_082.png

ml5示例

为了帮助大家更快的入门ml5,我们已经做好了各个功能的典型示例

加载Machinelearning5的插件后,点击例子。

../_images/c01_093.png

例子如下:

../_images/c01_102.png