使用p5.js、TensorFlow和MobileNet进行随机图像和分类

使用p5.js、TensorFlow和MobileNet进行随机图像和分类,tensorflow,button,classification,display,mobilenet,Tensorflow,Button,Classification,Display,Mobilenet,我请求社区的帮助,因为我的代码太多了。 对于一个项目,我需要使用MobileNet和TensorFlow在P5.js上创建一个图像分类程序 我想知道如何创建一个按钮,在我下载的3张图片中随机显示一张图片,图片下方是MobileNet分类,以及我提供的信息,比如Danger 这是我已经做过的。谢谢各位: var model_mobilenet; var loaded; function setup() { createCanvas(400,

我请求社区的帮助,因为我的代码太多了。 对于一个项目,我需要使用MobileNet和TensorFlow在P5.js上创建一个图像分类程序

我想知道如何创建一个按钮,在我下载的3张图片中随机显示一张图片,图片下方是MobileNet分类,以及我提供的信息,比如Danger

这是我已经做过的。谢谢各位:


    var model_mobilenet;
    var loaded;
    
    
    function setup() {
      createCanvas(400, 300);
      mobilenet.load().then(modelLoaded);
    
      military = loadImage('military');
      rifle = loadImage('rifle');
      revolver = loadImage('revolver');
      
      createButton("Take a picture").mousePressed(btnClicked);
    }
    
    function classifyDone(res) {
      print(res);
      if (res[0].className == "rifle")
      {
      print("Danger");
      createP("Danger");
      }
      
      else if (res[0].className == "revolver, six-gun, six-shooter")
      {
      print("Danger");
      createP("Danger");
      }
      else if (res[0].className == "military uniform")
      {
        print("Not sure about this one");
        createP("Not sure about this one");
      }
      else {
        print("Evrything is okay");
        createP("Everything is okay");
      }
    }
    
    function modelLoaded(net) {
      model_mobilenet = net;
      loaded = true;
      print("Model loaded");
    }
    
    function btnClicked() {
      
    image(military, 0, 0, 400, 300);
      
    if (loaded == true)
    {
    model_mobilenet.classify(military.elt).then(classifyDone);
      }
    }

这是我得到的结果。这并不是很好,但是有了更多的CSS,它就可以令人满意了。请随时向我询问更多细节。这是你的电话号码


假设MobileNet部分工作正常,只需将3个图像存储在一个数组中,然后从数组中随机选择一个图像。您可以编写一个单独的基本草图来实现这一点:加载3个图像,将它们存储在一个数组中,并在p5中使用。方便地让你通过一个数组,例如让图像=[军队,步枪,左轮手枪];console.lograndomimages;。退房
    var model_mobilenet;
var loaded;


function setup() {
  createCanvas(400, 300);
  mobilenet.load().then(modelLoaded);

  revolver = loadImage('revolver.jpg');
  baseball = loadImage('baseball.jpg');
  rifle = loadImage('rifle.jpg');

  
  createButton("DANGER OR NOT?").mousePressed(btnClicked);
}

function classifyDone(res) {
  print(res);
  
  createP("Model detected a <b>" + res[0].className + "</b> with a confidence of <b>" + res[0].probability + "</b>");
  if (res[0].className =="assault rifle, assault gun")
  
  { createP("<b>Danger, find a shelter, quickly !</b>");}
  
  else if (res[0].className == "revolver, six-gun, six-shooter")
 
  { createP("<b>Danger, find a shelter, quickly !</b>");}

  else {   createP("Everything is okay");  }
}

/* if ($(".revolver, six-gun, six-shooter").css('font-color: red')){
$(".assault rifle, assault gun").css('font-color: green'); */

function modelLoaded(net) {
  model_mobilenet = net;
  loaded = true;
  print("Model loaded");
}

function btnClicked() {
 
let randomNumber = Math.random()
if(randomNumber<0.3)
{
  image(baseball, 0, 0, 400, 300);
model_mobilenet.classify(baseball.canvas).then(classifyDone);
  }
else if (randomNumber<0.6)
{
    image(rifle, 0, 0, 400, 300);
model_mobilenet.classify(rifle.canvas).then(classifyDone);
  }
  else 
{
    image(revolver, 0, 0, 400, 300); 
model_mobilenet.classify(revolver.canvas).then(classifyDone);
  }
}