當(dāng)前位置：首頁 > 前端技术 > HTML >内容正文

HTML

谷歌浏览器32位安装包_谷歌团队新作！只需下载3M安装包，就能让你的手机浏览器跟踪眼球运动...

發(fā)布時(shí)間：2023/12/10 HTML 53 豆豆

生活随笔收集整理的這篇文章主要介紹了谷歌浏览器32位安装包_谷歌团队新作！只需下载3M安装包，就能让你的手机浏览器跟踪眼球运动... 小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

作者：?Ann Yuan?、?Andrey Vakunov?來源：TensorFlow Bolg編譯：威踢踢虹膜跟蹤可廣泛應(yīng)用，例如用于輔助技術(shù)的免提界面以及了解用戶的點(diǎn)擊和手勢以外的行為。虹膜跟蹤也是一個(gè)具有挑戰(zhàn)性的計(jì)算機(jī)視覺問題。在變化的光照條件下，眼睛經(jīng)常被頭發(fā)遮住，并且根據(jù)頭部的旋轉(zhuǎn)角度和人的表情被感知為不同的形狀。現(xiàn)有的解決方案嚴(yán)重依賴于專用硬件，通常需要昂貴的耳機(jī)或遠(yuǎn)程眼動(dòng)儀系統(tǒng)。這些方法不適用于計(jì)算資源有限的移動(dòng)設(shè)備。啟用眼睛重新著色的示例。3月，我們宣布發(fā)布了一個(gè)新程序包，用于檢測瀏覽器中的面部標(biāo)志。今天，我們很高興通過TensorFlow.js人臉標(biāo)志檢測模型將虹膜跟蹤添加到此程序包中。MediaPipe Iris模型使這項(xiàng)工作成為可能。我們已經(jīng)棄用了原始的facemesh模型，并將在將來對人臉標(biāo)志檢測模型進(jìn)行更新。

請注意，虹膜跟蹤不會(huì)推斷人們正在看的位置，也不能提供任何形式的身份識(shí)別。在模型的文檔 ?和隨附的模型卡中，我們詳細(xì)描述了模型的預(yù)期用途，局限性和公平性(與Google的AI原則保持一致)。?

MediaPipe虹膜模型能夠使用單個(gè)RGB攝像機(jī)實(shí)時(shí)跟蹤虹膜和瞳孔的界標(biāo)，而無需專用硬件。該模型還返回眼瞼和眉毛區(qū)域的界標(biāo)，從而能夠檢測到輕微的眼球運(yùn)動(dòng)，例如眨眼。

引入@ tensorflow / face-landmarks-detection

左上方是@ tensorflow-models / facemesh @ 0.0.4的預(yù)測，右上方是@ tensorflow-models / face-landmarks-detection @ 0.0.1的預(yù)測。虹膜界標(biāo)為紅色。

熟悉我們現(xiàn)有的?facemesh?模型的用戶可以升級到新的?faceLandmarksDetection?模型，并只需進(jìn)行少量代碼更改，下面將對此進(jìn)行詳細(xì)說明。faceLandmarksDetection對facemesh進(jìn)行了三項(xiàng)重大改進(jìn)：

虹膜關(guān)鍵點(diǎn)檢測

改善眼瞼輪廓檢測

改進(jìn)了對旋轉(zhuǎn)臉部的檢測

這些改進(jìn)在上面的動(dòng)圖中得到了突出顯示，該動(dòng)圖演示了faceLandmarksDetection和facemesh返回的界標(biāo)在同一圖像序列是如何不同的。

安裝

有兩種安裝faceLandmarksDetection軟件包的方法：

通過腳本標(biāo)簽：

用法

安裝軟件包后，只需加載模型權(quán)重，然后傳遞圖像即可開始檢測面部標(biāo)志：// If you are using NPM, first require the model. If you are using script tags, you can skip this step because `faceLandmarksDetection` will already be available in the global scope.const faceLandmarksDetection = require('@tensorflow-models/face-landmarks-detection');// Load the faceLandmarksDetection model assets.const model = await faceLandmarksDetection.load( faceLandmarksDetection.SupportedPackages.mediapipeFacemesh);// Pass in a video stream to the model to obtain an array of detected faces from the MediaPipe graph.// For Node users, the `estimateFaces` API also accepts a `tf.Tensor3D`, or an ImageData object.const video = document.querySelector("video");const faces = await model.estimateFaces({ input: video });輸入的內(nèi)容estimateFaces可以是視頻，靜態(tài)圖像，`tf.Tensor3D`，甚至是供Node.js管道中使用的ImageData對象。然后，FaceLandmarksDetection返回輸入中面部的預(yù)測對象數(shù)組，其中包括有關(guān)每個(gè)面部的信息(例如，置信度得分以及該面部中478個(gè)界標(biāo)的位置)。

這是一個(gè)樣本預(yù)測對象：

{ faceInViewConfidence: 1, boundingBox: { topLeft: [232.28, 145.26], // [x, y] bottomRight: [449.75, 308.36], }, mesh: [ [92.07, 119.49, -17.54], // [x, y, z] [91.97, 102.52, -30.54], ... ], // x,y,z positions of each facial landmark within the input space. scaledMesh: [ [322.32, 297.58, -17.54], [322.18, 263.95, -30.54] ], // Semantic groupings of x,y,z positions. annotations: { silhouette: [ [326.19, 124.72, -3.82], [351.06, 126.30, -3.00], ... ], ... }}有關(guān)API的更多詳細(xì)信息，請參閱我們的自述文件。

性能

FaceLandmarksDetection是一種輕量級的程序包，只有大約3MB，因此非常適合在各種移動(dòng)設(shè)備上進(jìn)行實(shí)時(shí)推理。在測試時(shí)，請注意TensorFlow.js還提供了幾種不同的后端供選擇，包括帶有?XNNPACK的?WebGL和WebAssembly(WASM)，用于具有低端GPU的設(shè)備。下表顯示了程序包如何在幾種不同的設(shè)備和TensorFlow.js后端上執(zhí)行。桌面：?移動(dòng)：?所有標(biāo)準(zhǔn)都是在Chrome瀏覽器中收集的。

展望未來

TensorFlow.js和MediaPipe團(tuán)隊(duì)都計(jì)劃使用改進(jìn)的虹膜界標(biāo)將深度估計(jì)功能添加到我們的人臉界標(biāo)檢測解決方案中。我們堅(jiān)信共享可實(shí)現(xiàn)可重復(fù)研究和快速實(shí)驗(yàn)的代碼，并期待看到更廣泛的社區(qū)如何利用MediaPipe虹膜模型。作者提供了新軟件包，可以在Web瀏覽器中通過此鏈接使用：

https://storage.googleapis.com/tfjs-models/demos/face-landmarks-detection/index.html

詳細(xì)解讀，8000字線性代數(shù)知識(shí)點(diǎn)長文，帶你入門深度學(xué)習(xí)/機(jī)器學(xué)習(xí)

2020-11-03

資料 | Python – 100天從新手到大師開放中，內(nèi)附下載方式

2020-11-03

資源 | 《30天吃掉Tensorflow》開放下載

2020-10-23

AI研習(xí)社是AI學(xué)術(shù)青年和開發(fā)者社區(qū)，為大家提供一個(gè)頂會(huì)資訊、論文解讀、數(shù)據(jù)競賽、求職內(nèi)推等的技術(shù)交流陣地，歡迎登陸www.yanxishe.com加入我們吧～

投稿、轉(zhuǎn)載、媒介合作聯(lián)系微信號 | bajiaojiao-sz

商務(wù)合作聯(lián)系微信號 | LJ18825253481

總結(jié)

以上是生活随笔為你收集整理的谷歌浏览器32位安装包_谷歌团队新作！只需下载3M安装包，就能让你的手机浏览器跟踪眼球运动...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。