跨出前端智能化的第一步-tensorflow的应用

第一部分、引言

一、阅读本篇文章你能得到什么

1、了解tensorflow及关键社区资源；2、能够自主训练和应用自己想要的模型（主要）；3、开阔前端智能化的思考与认知；

二、什么是对象识别

简单来说，在图片或视频识别出你关注的对象类别、坐标就是对象识别，你可以通过以下视频加深认知：1、Ai采摘机器人：www.bilibili.com/video/BV1YE… 2、英雄联盟血条识别：www.bilibili.com/s/video/BV1… 3、车辆识别：www.bilibili.com/video/BV1si… 4、人物识别：www.bilibili.com/video/BV1Es… 5、卫星船舶检测 www.bilibili.com/s/video/BV1…

三、前端为什么需要对象识别能力

1、通过对象识别可以做到D2C，也就是设计稿识别产出代码；2、他带给了前端更多可能性、效率提升、可控能力；

四、带着目标看流程

我简单训练了一个antd ui识别模型，可以将图片中的ui组件坐标和类别识别出来，同时附带识别的分数，下面将详细为大家介绍如何训练一个自己的object_detection模型。

第二部分、object_detection完整实践

分为以下几个环节：1、搭建环境；2、创建数据集；3、选择预训练算法模型；4、调整参数开始训练；5、验证训练成果；6、导出并转换模型给前端使用（浏览器/node环境）；

一、搭建环境

参考：www.tensorflow.org/install

1. 准备最新python环境；
2. 安装tensorflow2；
3. 通过pip安装tensorflowjs（这个主要用于转换最终导出的模型供js环境使用）；
4. 注意Python Package Installation这一步：github.com/tensorflow/…
5. 可通过conda做环境管理（可选）；

注意：直接使用tensorflow2就行了，没有太多必要使用tensorflow1；安装和使用过程中应该会遇到一些pip包缺失的问题，这个需要自己看提示解决，其实跟npm类似。建议用主机进行环境搭建及训练，配置当然越高越好。

二、创建数据集

tensorflow对象识别需要使用tfrecord格式数据集 推荐的标注平台：app.labelbox.com/ 推荐的制作导出平台：app.roboflow.com/ 创建数据集的方式有很多种，可以通过python语言创建自定义tfrecords数据集，也可以通过各类数据集标注平台；

注：

1. tfrecords是tensorflow定义的一种数据格式，直接用于数据训练；
2. 通过收集大量训练图片进行人工标注（也有半自动标注、自动标注，如通过UI组件生产页面进行自动标注）；
3. 标注的分类数量需要尽可能均匀一些，减少准确性偏差；

这里简单介绍一下通过平台标注流程（labelbox+roboflow）：labelbox 部分

1. 准备一些含ui的图片，尺寸和名称没有特别要求，可以直接截图保存；

2. 在labelbox新建项目并批量上传图片；

3. 编辑分类

4.开始标注（start labeling）

5、完成所有标注，导出JSON文件

roboflow 部分

1. 创建数据集

2.按提示上传刚刚导出的json文件，根据提示继续操作

3.在导入数据集基础上，进行自定义图片处理

注意：这里可能包含旋转、模糊、翻转等操作，你可以通过最终模型识别目标来判断是否有必要加入某一步骤；比如：如果你识别的全部都是方方正正的UI设计稿，则旋转就没有太多必要了。他的作用在于帮你自动处理扩充数据集，以便适应各类识别场景。

4. 点击generate、查看健康检查

注意：上文提到过，尽量不要让标注的分类数量相差太多。

5. 下载数据集

注意：这里选择tensorflow tfrecord格式下载即可。

三、选择预训练算法模型

tensorflow拥有很完善的文档，大家直接在对应的官网或github寻找即可 github.com/tensorflow/…

目前使用的是（训练容易/导出的文件不算太大）：SSD MobileNet V2 FPNLite 640x640

选择模型的时候需要考虑以下几点：

1. 识别速度；

2. 识别准确率；

3. 训练难度（尺寸越大训练难度越大，主要体现在对机器性能上）；

4. 前端解析识别数据（重要）；

注意：多数模型都提供了入参（处理后的图片）和出参（一个tensor格式的数组），不同模型最终产出的结果是不一样的，但一般都包含对象分数score、对象尺寸及位置boxes、数量等，这些需要自行判断。

四、调整参数开始训练

github.com/tensorflow/…

主要有以下几个参数需要调整：

1. num_classes 代表数据集的分类数量；
2. fine_tune_checkpoint 指向下载预训练模型中的checkpoint（根据这个文件的model_checkpoint_path来就行）；
3. fine_tune_checkpoint_type 改成detection（实际分类模型tf2也有提供，如不改容易出现内存问题中断训练）；
4. label_map_path 都指向导出tfrecords里面生成的就行（其实就是标注的分类）；
5. tf_record_input_reader 分别对应train/test目录的tfrecord文件；
6. 关键点train_config配置，batch_size训练批次（即一次训练所抓取的数据样本数量）、total_steps、num_steps调整，这部分既要考虑机器性能又要考虑数据量，需要根据自己的实际情况而定（位数的调整可能引起成倍的训练时间）；

注意：

1. 建议找个性能不错的主机进行训练，用自己的mac大概率会失败（下一步验证训练结果会提及）。
2. 批次大小机器允许的情况可以设置大一些，但也不是越大越好哈，可以自己另外了解一下；
3. total step根据loss曲线做调整；
4. 二次训练场景（有了一个训练好的优质模型，里面已经储备了大量知识，当前训练的数据比较少，可以尝试在已有模型基础上二次训练），如果不确定建议都从0开始；
5. 训练时长受数据、算法模型、批次、step、机器效率等影响，可以通过本地编译、使用gpu加速等方式减少训练时间；

五、验证训练成果

执行：tensorboard --logdir model_dir 打开启动的地址：http://localhost:6006/

1. 观察loss曲线，判断step设置是否合理

注意：通过以上2点基本可以确定模型是否可用，大家也可以学习一下其他分析技巧，互相分享。

六、导出并转换模型给前端使用（浏览器/node环境）

1. exporter_main_v2.py 导出saved_model；
2. 记得pip install tensorflowjs，然后使用tensorflowjs_converter转换成前端可用模型
3. 参考coco-ssd的模型导入与识别：github.com/tensorflow/…

注意：后面其实就是通过@tensorflow/tfjs-core等库进行模型加载和图片识别了，也可以参考我这个库github.com/aisriver/tf…，里面包括了一些训练代码和使用示例。

第三部分、结合tensorflow的其他前端实践

可直接投入前端使用的模型和演示：github.com/tensorflow/… 其他能力：图像分类、文本识别、语音识别、视频识别，并可以直接在社区找到对应资源；

前端应用：

• 组件识别/D2C（如imgcook：www.imgcook.com/）、
• 图表库识别（大屏设计稿识别）、搜图（antd的图表搜索）、
• 手势识别（大屏手势交互：www.bilibili.com/video/BV1ET…）、语言指令、恶意评论检测、敏感图片/视频识别、智能家居、物联领域的环境安全检测等

大屏通过手势进行互动，想想都觉得很酷，而且实现起来也没有那么难。

推荐一个直接可用的文本ocr识别 ocr识别比训练一个对象识别模型更加复杂，需要考虑语言、字体等因素，所以我没有选择自己训练，太麻烦。推荐使用：www.npmjs.com/package/tes… 支持多国家语言

智能化让前端拥有更多可能性！

最后，帮大家整合一下社区资源

1. 官网：tensorflow.google.cn/
2. 模型库可数据集（重要）：www.tensorflow.org/resources/m…
3. 对象识别github（核心）：github.com/tensorflow/…
4. 训练和评估（重要）：github.com/tensorflow/…
5. js相关已有模型库及应用（参考）：github.com/tensorflow/…
6. 数据标注平台（重要）：app.labelbox.com/
7. 数据集订制与导出平台（重要）：app.roboflow.com/
8. 模型分析工具（了解就行）：github.com/lutzroeder/…
9. 文本OCR识别（推荐）：www.npmjs.com/package/tes…

github

github.com/aisriver