玩转AR图形识别小程序

50次阅读

共计 1584 个字符，预计需要花费 4 分钟才能阅读完成。

这些年深度学习炙手可热，人脸识别，图像分类，目标检测等技术已经应用到我们生活的方方面面。作为一个时刻保持好奇心的程序猿想入门深度学习，但又苦于门槛较高，难以获得理想的学习成果。好在一些大厂已经推出了深度学习云平台，让我们前端小白也能体验深度学习的乐趣。

这次我们基于百度 AI 开放平台 EasyDL 来实现一个 logo 图像识别小程序，半天时间轻松搞定客户 BABA 的需求。

logo 目标检测演示

1: 创建训练模型

要实现 logo 识别的功能，我们先要创建一个物体检测模型。

访问百度 EasyDL 地址 https://ai.baidu.com/easydl 在操作平台菜单中，选择物体检测选项。

1.1 选择创建模型

1.2 为模型命名，模型归属选择个人。

2: 创建训练数据集

模型创建好以后，我们要为模型提供训练数据，所谓训练数据就是我们要识别的 logo 图片。

模型就像一个懵懂的孩子，我们要用训练数据教他识别图片中的 logo，让他能举一反三，以后遇到不在数据集中的图片也能准确的识别出来。

2.1 准备训练数据

为了提高识别精度，我们需要用手机拍摄不同的光线，角度，背景下的 logo 图片上传，图片数据越多，越有助于提高模型的识别精度，一般建议上传 40 张左右。

2.2 标注数据

上传后，用鼠标拖拽矩形区域标注出 logo 图形位置，并设置统一的标签名，然后点击左下角的保存按钮。如果嫌手动标注麻烦，也可以尝试右下角的智能标注。

2.3 开始训练

训练时间和数据集大小成正比，以我 30 多张的训练数据为例，大概需要 20 分钟左右，已经很快啦，如果是在本地单机上训练可能要几小时的时间，这就是云服务分布计算的好处。

2.4 校验模型

训练结束后，我们需要对模型进行校验，看看模型的识别精度是否符合预期。

上传几张不在数据集中的照片来检验结果，如果效果满意，我们就可以进行下一步，发布模型。

3: 发布模型

3.1 提交申请

发布模型前需要提交审核，填写服务名称和接口地址，提交申请。

审核成功后，在操作列表中点击服务详情 -> 立即使用。

3.2 创建应用

在使用接口前，我们还需要创建一个应用，应用可以理解为一个容器，一个应用可以包含多个接口，为这些接口提供访问键值，秘钥等参数。

应用创建结束后，会看到分配的 API Key 和 Secret Key，这些都是接口调用需要携带的参数。

4: 在小程序中调用识别接口

4.1 接口 token 验证

在调用识别接口前先要拿到 access_token 令牌，这是所有接口调用的前提条件。

wx.request({
  url: API_AUTH_URL, //token 授权地址
  method: 'GET',
  data: {
    grant_type: 'client_credentials',
    client_id: CLIENT_ID, //API Key
    client_secret: CLIENT_SECRET //Secret Key
  },
  success: (res) => {
    _access_token = res.data.access_token
    this._getImageData()}
})

4.2 调用接口

传递 access_token 和要识别的图片等参数，具体可以参考官方的技术文档。

wx.request({url: `${API_URL}?access_token=${_access_token}`, //access_token 作为 query 参数
  method: 'POST',
  data: {
    image, // 摄像头帧图片用 base64 编码
    threshold: 0.1
  }
})

5：总结

百度 EasyDL 平台，让我们无需机器学习专业知识，只用半天时间就开发出一个深度学习的小应用。相信今后这样的平台也会越来越多，提供给开发者更多的玩法解决工作中的实际问题。

附上小程序 github 源码地址: https://github.com/imokya/object-detect

正文完