更新 日期 更新 2021-03-13 错误修正：1.脸部二维面具的图像未显示在android微信上。 2.第二次进入演示UI时，不显示3D模型。 2021-03-11 新增：使用“面部标志检测”和“ TensorFlow.js”的面部AR。 更新：将“ face-api.js”替换为“ face-landmarks-detection”，删除了“ face-api.js”的代码。 2019-09-07 新增：使用“ face-api.js”进行人脸检测和识别。 带有TFJS的微信小程序AR的介绍 TensorFlow.js是一个用于使用JavaScript进行机器学习的库。 TensorFlow.js有一个微信小程序插件。 我们可以使用TensorFlow.js创建AR效果。 “人脸地标检测”库基于TensorFlow.js。 “人脸地标检测”库在浏览器环境中提供人脸检测。

Rigging.js Rigging.js是一个开放源代码的react.js应用程序，它获取由面部网格tensorflow.js模型生成的关键点，然后将人物在镜头前所做的动作映射到3d模型中。 可以使用从下载的任何模型。 建立并运行 git clone https://github.com/haruiz/RiggingJs.git cd RiggingJs npm install npm start 尝试不同的型号 如上所述，可以使用从下载的任何模型。 这些模型是免费提供的。 路线图 3D角色的自动索具和动画：使用当前最先进的深度学习模型。 使用Facemesh模型的3D表情动画 录制动画 您可以在此处查看详细的。 如何贡献： 随意发送拉取请求 第三方库： 灵感来自： Pose Animator 2 ：Pose Animator提取2D矢量图并根据PoseNet和FaceMe

Tensorflow.js

基于TensorFlow.js的YOLOv5实时目标检测项目源码.zip

基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时

face api。js 数据集 结合了两个数据集： Microsoft FERPlus是训练情绪检测模型的数据集之一。 真实世界情感人脸数据库（RAF-DB）另一个数据集。 转换模型 使用TensorFlow。js转换器将Keras模型转换。用于加载和运行Javascript推断的json文件。 要求 对于MobileNet图像。html和MobileNet网络摄像头。html: Chrome形状检测API:FaceDetector:Android、macOS、Windows 10平台上的Chrome。转到chrome浏览器chrome://flags/ 请注意，戴眼镜可能会降低预测结果的准确性。

Create React App入门 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希值。 您的应用已准备好进行部署！ 有关更多信息，请参见关于的部分。 npm run eject 注意：这是单向操作。 eject ，您将无法返回！ 如果您对构建工具和配置选择不满意，则可以随时eject 。 此命令将从您的项目中删除单个生成依赖项。 相反，它将所有配置文件和传递依赖项（we

TensorFlow.js中的联合学习 这不是TensorFlow的官方联合学习框架。 这是TensorFlow.js的实验性库，目前尚未维护。 如果您想使用官方的联合学习库，请查看 。 这是中（仅用于实验和演示）实现的父存储库。 联合学习是一种以分布式方式训练机器学习模型的方法。 尽管它涉及一台中央服务器，但该服务器无需查看任何数据甚至无需计算梯度。 相反，客户端在本地执行所有推理和训练（他们已经在Tensorflow.js中进行了训练），并且只是定期向服务器发送更新后的权重（而不是数据）。 服务器的唯一工作就是聚合和重新分发它们，这意味着它可以非常轻巧！ 基本用法 在服务器（NodeJS）端： import * as http from 'http' ; import * as federated from 'federated-learning-server' ; const I

TensorFlow.js 微信小程序插件 是谷歌开发的机器学习开源项目，致力于为javascript提供具有硬件加速的机器学习模型训练和部署。 TensorFlow.js 微信小程序插件封装了TensorFlow.js库，用于提供给第三方小程序调用。 例子可以看TFJS Mobilenet 添加插件 在使用插件前，首先要在小程序管理后台的“设置-第三方服务-插件管理”中添加插件。开发者可登录小程序管理后台，通过 appid [wx6afed118d9e81df9] 查找插件并添加。本插件无需申请，添加后可直接使用。 引入插件代码包 使用插件前，使用者要在 app.json 中声明需要使用的插件，例如： 代码示例： { ... "plugins": { "tfjsPlugin": { "version": "0.0.6", "provider": "

PoseNet和TensorFlow.js 这是在浏览器中使用预训练模型的示例。 对于此特定示例，这是训练有素的模型，这是一种用于移动视觉的有效CNN。 PoseNet可以使用单姿势或多姿势算法检测图像和视频中的人物。 有关此机器学习模型的更多详细信息， ，以获取在Tensorflow.js上运行的PoseNet的高级描述。 查看 笔记： 该代码基于TensorFlow团队发布的模型。 我借用，改编并将其变成一个React组件。 请记住，我刚刚在Chrome中对其进行了测试。 不好意思，我不在乎其他浏览器进行此类实验。 出于明显的原因，您必须允许使用网络摄像头。 不用担心，图像会保留在您的浏览器中。 假设这是GDPR的合规性 :winking_face_with_tongue: PoseNet React组件 import * as React from 'react' import ReactDOM from 'react-