Hướng dẫn phân loại hình ảnh cho Web

Tác vụ Trình phân loại hình ảnh MediaPipe cho phép bạn phân loại hình ảnh. Bạn có thể sử dụng tác vụ này để xác định nội dung mà một hình ảnh đại diện trong số một nhóm danh mục được xác định tại thời điểm huấn luyện. Các hướng dẫn này cho bạn biết cách sử dụng Trình phân loại hình ảnh cho Nút và các ứng dụng web.

Bạn có thể xem bản minh hoạ để xem tác vụ này hoạt động như thế nào. Để biết thêm thông tin về các chức năng, mô hình và lựa chọn cấu hình của nhiệm vụ này, hãy xem phần Tổng quan.

Ví dụ về mã

Mã mẫu cho Trình phân loại hình ảnh cung cấp cách triển khai hoàn chỉnh tác vụ này trong JavaScript để bạn tham khảo. Mã này giúp bạn kiểm thử tác vụ này và bắt đầu tạo ứng dụng phân loại hình ảnh của riêng mình. Bạn có thể xem, chạy và chỉnh sửa mã ví dụ của Công cụ phân loại hình ảnh chỉ bằng trình duyệt web của mình.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và mã hoá dự án dành riêng để sử dụng công cụ Phân loại hình ảnh. Để biết thông tin chung về cách thiết lập môi trường phát triển để sử dụng các tác vụ MediaPipe, bao gồm cả các yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập dành cho web.

Gói JavaScript

Bạn có thể dùng mã Phân loại hình ảnh thông qua gói Nội dung phân loại hình ảnh @mediapipe/tasks-vision của MediaPipe. Bạn có thể tìm và tải các thư viện này xuống qua các đường liên kết được cung cấp trong Hướng dẫn thiết lập của nền tảng.

Bạn có thể cài đặt các gói bắt buộc bằng mã sau để thử nghiệm cục bộ bằng lệnh sau:

npm install @mediapipe/tasks-vision

Nếu bạn muốn nhập mã tác vụ qua dịch vụ mạng phân phối nội dung (CDN), hãy thêm mã sau vào thẻ trong tệp HTML:

<!-- You can replace JSDeliver with another CDN if you prefer to -->
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

Mẫu

Tác vụ Trình phân loại hình ảnh MediaPipe cần có một mô hình đã huấn luyện tương thích với tác vụ này. Để biết thêm thông tin về các mô hình đã huấn luyện hiện có cho Trình phân loại hình ảnh, hãy xem phần Mô hình tổng quan về tác vụ.

Chọn và tải mô hình xuống rồi lưu trữ mô hình đó trong thư mục dự án:

<dev-project-root>/app/shared/models/

Tạo việc cần làm

Sử dụng một trong các hàm createFrom...() của Trình phân loại hình ảnh để chuẩn bị tác vụ chạy các phép dự đoán. Sử dụng hàm createFromModelPath() có đường dẫn tương đối hoặc tuyệt đối đến tệp mô hình đã huấn luyện. Nếu mô hình đã được tải vào bộ nhớ, thì bạn có thể sử dụng phương thức createFromModelBuffer().

Ví dụ về mã bên dưới minh hoạ cách sử dụng hàm createFromOptions() để thiết lập tác vụ. Hàm createFromOptions cho phép bạn tuỳ chỉnh Trình phân loại hình ảnh với các lựa chọn cấu hình. Để biết thêm thông tin về các tuỳ chọn cấu hình, hãy xem phần Tuỳ chọn cấu hình.

Mã sau đây minh hoạ cách tạo và định cấu hình tác vụ bằng các tuỳ chọn tuỳ chỉnh:

async function createImageClassifier {
  const vision = await FilesetResolver.forVisionTasks(
    "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@0.10.0/wasm"
  );
  imageClassifier = await ImageClassifier.createFromOptions(vision, {
    baseOptions: {
      modelAssetPath: `https://storage.googleapis.com/mediapipe-models/image_classifier/efficientnet_lite0/float32/1/efficientnet_lite0.tflite`
    },
  });
}

Các lựa chọn về cấu hình

Tác vụ này có các lựa chọn cấu hình sau đây cho ứng dụng web:

Tên lựa chọn	Nội dung mô tả	Khoảng giá trị	Giá trị mặc định
`runningMode`	Thiết lập chế độ chạy cho tác vụ. Có 2 chế độ: IMAGE: Chế độ để nhập một hình ảnh. VIDEO: Chế độ cho khung hình đã giải mã của video hoặc trên sự kiện phát trực tiếp dữ liệu đầu vào, chẳng hạn như từ máy ảnh.	{`IMAGE, VIDEO`}	`IMAGE`
`displayNamesLocale`	Đặt ngôn ngữ của nhãn để dùng cho tên hiển thị được cung cấp trong siêu dữ liệu của mô hình tác vụ (nếu có). Giá trị mặc định là `en` cho tiếng Anh. Bạn có thể thêm các nhãn đã bản địa hoá vào siêu dữ liệu của một mô hình tuỳ chỉnh bằng TensorFlow Lite Metadata Writer API	Mã ngôn ngữ	vi
`maxResults`	Đặt số lượng kết quả phân loại có điểm số cao nhất tối đa (không bắt buộc) cần trả về. Nếu < 0, tất cả kết quả hiện có sẽ được trả về.	Bất kỳ số dương nào	`-1`
`scoreThreshold`	Đặt ngưỡng điểm số dự đoán sẽ ghi đè ngưỡng điểm số được cung cấp trong siêu dữ liệu của mô hình (nếu có). Những kết quả thấp hơn giá trị này sẽ bị từ chối.	Số thực bất kỳ	Chưa được đặt
`categoryAllowlist`	Đặt danh sách các tên danh mục được phép (không bắt buộc). Nếu không để trống, kết quả phân loại có tên danh mục không nằm trong tập hợp này sẽ bị lọc ra. Tên danh mục trùng lặp hoặc không xác định sẽ bị bỏ qua. Lựa chọn này loại trừ lẫn nhau với `categoryDenylist` và việc sử dụng cả hai sẽ dẫn đến lỗi.	Chuỗi bất kỳ	Chưa được đặt
`categoryDenylist`	Đặt danh sách tên danh mục không được phép (không bắt buộc). Nếu không để trống, các kết quả phân loại có tên danh mục nằm trong tập hợp này sẽ bị lọc ra. Tên danh mục trùng lặp hoặc không xác định sẽ bị bỏ qua. Lựa chọn này loại trừ lẫn nhau với `categoryAllowlist` và việc sử dụng cả hai sẽ dẫn đến lỗi.	Chuỗi bất kỳ	Chưa được đặt
`resultListener`	Thiết lập trình nghe kết quả để nhận kết quả phân loại một cách không đồng bộ khi Trình phân loại hình ảnh đang ở chế độ phát trực tiếp. Chỉ sử dụng được khi bạn đặt chế độ chạy thành `LIVE_STREAM`	Không áp dụng	Chưa được đặt

Chuẩn bị dữ liệu

Trình phân loại hình ảnh có thể phân loại các đối tượng trong hình ảnh ở mọi định dạng mà trình duyệt máy chủ hỗ trợ. Tác vụ này cũng xử lý trước quá trình đầu vào dữ liệu, bao gồm đổi kích thước, xoay và chuẩn hoá giá trị.

Các lệnh gọi đến phương thức classify() và classifyForVideo() của Trình phân loại hình ảnh sẽ chạy đồng bộ và chặn luồng giao diện người dùng. Nếu bạn phân loại các đối tượng trong khung hình video từ máy ảnh của thiết bị, thì mỗi cách phân loại sẽ chặn luồng chính. Bạn có thể ngăn chặn điều này bằng cách triển khai trình thực thi web để chạy classify() và classifyForVideo() trên một luồng khác.

Chạy tác vụ

Trình phân loại hình ảnh sử dụng phương thức classify() với chế độ hình ảnh và phương thức classifyForVideo() với chế độ video để kích hoạt các suy luận. API Trình phân loại hình ảnh sẽ trả về các danh mục có thể có cho các đối tượng trong hình ảnh đầu vào.

Mã sau đây minh hoạ cách thực thi quá trình xử lý bằng mô hình tác vụ:

Bài đăng có hình ảnh

const image = document.getElementById("image") as HTMLImageElement;
const imageClassifierResult = imageClassifier.classify(image);

Video

const video = document.getElementById("video");
await imageClassifier.setOptions({ runningMode: "VIDEO" });

const timestamp = performance.now();
const classificationResult = await imageClassifier.classifyForVideo(
    video,
    timestamp
  );

Để triển khai đầy đủ hơn về cách chạy tác vụ Trình phân loại hình ảnh, hãy xem ví dụ về mã).

Xử lý và hiện kết quả

Sau khi chạy dự đoán, tác vụ Trình phân loại hình ảnh sẽ trả về một đối tượng ImageClassifierResult chứa danh sách các danh mục có thể có cho các đối tượng trong hình ảnh hoặc khung đầu vào.

Sau đây là ví dụ về dữ liệu đầu ra của tác vụ này:

ImageClassifierResult:
 Classifications #0 (single classification head):
  head index: 0
  category #0:
   category name: "/m/01bwb9"
   display name: "Passer domesticus"
   score: 0.91406
   index: 671
  category #1:
   category name: "/m/01bwbt"
   display name: "Passer montanus"
   score: 0.00391
   index: 670

Kết quả này thu được bằng cách chạy Trình phân loại chim trên:

Mã ví dụ của Trình phân loại hình ảnh minh hoạ cách hiển thị kết quả phân loại được trả về từ tác vụ. Hãy xem ví dụ về mã để biết thông tin chi tiết.