TensorFlow.js 模型

使用 ImageNet 数据库中的标签对图像进行分类（MobileNet）。

在单个图像中定位和识别多个对象（Coco SSD）。

在浏览器中运行语义分割（DeepLab）。

使用具有自定义编码器（Blazeface）的单次检测器架构检测图像中的人脸。

预测 486 个 3D 人脸关键点，以推断人脸的近似表面几何形状。

统一的姿势检测 API，用于使用三种模型之一，这些模型有助于检测非典型姿势和快速身体运动，并具有实时性能。

实时分割人物和身体部位。

手掌检测器和手部骨骼手指跟踪模型。预测每个检测到的手的 21 个 3D 手部关键点。

估计单个肖像图像的人的深度图。

使用 BERT 根据给定文本段落的內容回答问题。

对评论可能对对话产生的感知影响进行评分，从“非常有毒”到“非常健康”（毒性）。

将文本编码为嵌入，用于 NLP 任务，例如情感分类和文本相似性（通用句子编码器）。

对语音命令数据集中的 1 秒音频片段进行分类（语音命令）。

使用 K 近邻算法创建分类器的实用程序。可用于迁移学习。