李钟意讲前端

外观

咨询/接单/付费bug修复/学习交流群

使用 TensorFlow.js 进行人脸检测 ​

原文：https://docs.docker.com/guides/use-case/tensorflowjs/

本指南介绍了 TensorFlow.js 与 Docker 的无缝集成，用于执行人脸检测。在本指南中，您将探索如何：

  • 使用 Docker 运行容器化的 TensorFlow.js 应用。
  • 在网页应用中实现 TensorFlow.js 的人脸检测。
  • 为 TensorFlow.js 网页应用构建 Dockerfile。
  • 使用 Docker Compose 进行实时应用开发和更新。
  • 在 Docker Hub 上分享您的 Docker 镜像以便于部署和扩大影响范围。

致谢

Docker 感谢 Harsh Manvar 对本指南的贡献。

先决条件 ​

  • 您已安装最新版本的 Docker Desktop。
  • 您拥有一个 Git 客户端。本指南使用基于命令行的 Git 客户端，但您可以使用任何客户端。

什么是 TensorFlow.js？ ​

TensorFlow.js 是一个开源的 JavaScript 机器学习库，使您能够在浏览器或 Node.js 中训练和部署 ML 模型。它支持从头开始创建新模型或使用预训练模型，便于直接在网页环境中实现各种 ML 应用。TensorFlow.js 提供高效的计算能力，使得复杂的 ML 任务可以不需要深厚的 ML 专业知识即可为网页开发者所用。

为什么要一起使用 TensorFlow.js 和 Docker？ ​

  • 环境一致性和简化部署：Docker 将 TensorFlow.js 应用及其依赖打包到容器中，确保所有环境中的一致运行并简化部署过程。
  • 高效的开发和易于扩展：Docker 通过热重载等功能提高开发效率，并利用 Kubernetes 等编排工具轻松扩展 TensorFlow.js 应用。
  • 隔离和增强安全性：Docker 在安全环境中隔离 TensorFlow.js 应用，最小化冲突和安全漏洞，同时限制应用的运行权限。

获取并运行示例应用 ​

在终端中，使用以下命令克隆示例应用。

console
git clone https://github.com/harsh4870/TensorJS-Face-Detection

克隆应用程序后，您会注意到应用程序有一个 Dockerfile。这个 Dockerfile 允许您仅使用 Docker 在本地构建和运行应用程序。

在您作为容器运行应用程序之前，您必须将其构建成镜像。在 TensorJS-Face-Detection 目录内运行以下命令构建名为 face-detection-tensorjs 的镜像。

console
docker build -t face-detection-tensorjs .

该命令将应用程序构建成一个镜像。根据您的网络连接情况，首次运行此命令时下载必要组件可能需要几分钟时间。

要将镜像作为容器运行，请在终端中运行以下命令。

console
docker run -p 80:80 face-detection-tensorjs

该命令运行容器，并将容器的 80 端口映射到系统的 80 端口。

应用程序运行后，打开网页

浏览器并访问 http://localhost:80。您可能需要为应用程序授权使用您的网络摄像头。

在网页应用程序中，您可以更改后端使用以下其中之一：

  • WASM
  • WebGL
  • CPU

要停止应用程序，请在终端按 ctrl+c。

关于应用程序 ​

示例应用程序使用 MediaPipe（一个用于构建多模态机器学习管道的综合框架）实现实时人脸检测。它具体使用了 BlazeFace 模型，这是一个用于图像中检测面部的轻量级模型。

在 TensorFlow.js 或类似基于网页的机器学习框架的上下文中，WASM、WebGL 和 CPU 后端可用于执行操作。这些后端利用现代浏览器中可用的不同资源和技术，并具有各自的优势和限制。以下部分是对不同后端的简要分析。

WASM ​

WebAssembly (WASM) 是一种低级别、类汇编语言，具有紧凑的二进制格式，可在网页浏览器中以接近原生速度运行。它允许将用 C/C++ 等语言编写的代码编译成可在浏览器中执行的二进制文件。

当需要高性能，并且不支持 WebGL 后端或您不希望依赖 GPU 而希望在所有设备上保持一致性能时，WASM 是一个好选择。

WebGL ​

WebGL 是一个浏览器 API，允许 GPU 加速使用物理和图像处理以及作为网页画布的一部分的效果。

WebGL 非常适合可并行化的操作，并且可以显著受益于 GPU 加速，例如在深度学习模型中常见的矩阵乘法和卷积。

CPU ​

CPU 后端使用纯 JavaScript 执行，利用设备的中央处理器 (CPU)。这个后端是最普遍兼容的，并且在 WebGL 或 WASM 后端不可用或不适用时作为后备方案。

探索应用程序的代码 ​

在接下来的部分中探索每个文件的用途及其内容。

index.html 文件 ​

index.html 文件作为利用 TensorFlow.js 从网络摄像头视频源实时进行人脸检测的网页应用的前端。它结合了多种技术和库以便在浏览器中直接进行机器学习。它使用了几个 TensorFlow.js 库，包括：

  • tfjs-core 和 tfjs-converter 用于核心 TensorFlow.js 功能和模型转换。
  • tfjs-backend-webgl、tfjs-backend-cpu 和 tf-backend-wasm 脚本用于 TensorFlow.js 可用于处理的不同计算后端。这些后端允许应用程序通过利用用户的硬件能力高效地执行机器学习任务。
  • BlazeFace 库，一个用于人脸检测的 TensorFlow 模型。

它还使用了以下附加库：

  • dat.GUI 用于创建图形界面，实时与应用程序的设置进行交互，如在 TensorFlow.js 后端之间切换。
  • Stats.min.js 用于显示性能指标（如 FPS），以监控操作期间应用程序的效率。
html
<style>
  body {
    margin: 25px;
  }

  .true {
    color: green;
  }

  .false {
    color: red;
  }

  #main {
    position: relative;
    margin: 50px 0;
  }

  canvas {
    position: absolute;
    top: 0;
    left: 0;
  }

  #description {
    margin-top: 20px;
    width: 600px;
  }

  #description-title {
    font-weight: bold;
    font-size: 18px;
  }
</style>

<body>
  <div id="main">
    <video
      id="video"
      playsinline
      style="
      -webkit-transform: scaleX(-1);
      transform: scaleX(-1);
      width: auto;
      height: auto;
      "
    ></video>
    <canvas id="output"></canvas>
    <video
      id="video"
      playsinline
      style="
      -webkit-transform: scaleX(-1);
      transform: scaleX(-1);
      visibility: hidden;
      width: auto;
      height: auto;
      "
    ></video>
  </div>
</body>
<script src="https://unpkg.com/@tensorflow/tfjs-core@2.1.0/dist/tf-core.js"></script>
<script src="https://unpkg.com/@tensorflow/tfjs-converter@2.1.0/dist/tf-converter.js"></script>

<script src="https://unpkg.com/@tensorflow/tfjs-backend-webgl@2.1.0/dist/tf-backend-webgl.js"></script>
<script src="https://unpkg.com/@tensorflow/tfjs-backend-cpu@2.1.0/dist/tf-backend-cpu.js"></script>
<script src="./tf-backend-wasm.js"></script>

<script src="https://unpkg.com/@tensorflow-models/blazeface@0.0.5/dist/blazeface.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/dat-gui/0.7.6/dat.gui.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/stats.js/r16/Stats.min.js"></script>
<script src="./index.js"></script>

index.js 文件 ​

index.js 文件执行面部检测逻辑。它展示了网页开发和机器学习集成的几个高级概念。以下是其一些关键组成部分和功能的概述：

  • Stats.js：脚本首先创建一个 Stats 实例，用于实时监控和显示应用程序的帧率（FPS）。这在性能分析中非常有用，尤其是在测试不同 TensorFlow.js 后端对应用程序速度的影响时。
  • TensorFlow.js：应用程序允许用户通过 dat.GUI 提供的图形界面在不同的计算后端（wasm、webgl 和 cpu）之间切换 TensorFlow.js。更改后端可能会根据设备和浏览器影响性能和兼容性。addFlagLabels 函数动态检查并显示 SIMD（单指令多数据）和多线程是否支持，这些对于 wasm 后端中的性能优化很重要。
  • setupCamera 函数：使用 MediaDevices Web API 初始化用户的网络摄像头。它配置视频流不包括音频并使用前置摄像头（facingMode: 'user'）。一旦视频元数据加载完成，它将解析一个带有视频元素的 promise，该元素随后用于面部检测。
  • BlazeFace：这个应用的核心是 renderPrediction 函数，它使用 BlazeFace 模型执行实时面部检测，这是一个用于图像中检测面部的轻量级模型。该函数在每个动画帧上调用 model.estimateFaces 来从视频源检测面部。对于每个检测到的面部，它在覆盖视频的画布上绘制一个红色矩形和蓝色点表示面部标志。
javascript
const stats = new Stats();
stats.showPanel(0);
document.body.prepend(stats.domElement);

let model, ctx, videoWidth, videoHeight, video, canvas;

const state = {
  backend: 'wasm'
};

const gui = new dat.GUI();
gui.add(state, 'backend', ['wasm', 'webgl', 'cpu']).onChange(async backend => {
  await tf.setBackend(backend);
  addFlagLabels();
});

async function addFlagLabels() {
  if(!document.querySelector("#simd_supported")) {
    const simdSupportLabel = document.createElement("div");
    simdSupportLabel.id = "simd_supported";
    simdSupportLabel.style = "font-weight: bold";
    const simdSupported = await tf.env().getAsync('WASM_HAS_SIMD_SUPPORT');
    simdSupportLabel.innerHTML = `SIMD supported: <span class=${simdSupported}>${simdSupported}<span>`;
    document.querySelector("#description").appendChild(simdSupportLabel);
  }

  if(!document.querySelector("#threads_supported")) {
    const threadSupportLabel = document.createElement("div");
    threadSupportLabel.id = "threads_supported";
    threadSupportLabel.style = "font-weight: bold";
    const threadsSupported = await tf.env().getAsync('WASM_HAS_MULTITHREAD_SUPPORT');
    threadSupportLabel.innerHTML = `Threads supported: <span class=${threadsSupported}>${threadsSupported}</span>`;
    document.querySelector("#description").appendChild(threadSupportLabel);
  }
}

async function setupCamera() {
  video = document.getElementById('video');

  const stream = await navigator.mediaDevices.getUserMedia({
    'audio': false,
    'video': { facingMode: 'user' },
  });
  video.srcObject = stream;

  return new Promise((resolve) => {
    video.onloadedmetadata = () => {
      resolve(video);
    };
  });
}

const renderPrediction = async () => {
  stats.begin();

  const returnTensors = false;
  the flipHorizontal = true;
  the annotateBoxes = true;
  const predictions = await model.estimateFaces(
    video, returnTensors, flipHorizontal, annotateBoxes);

  if (predictions.length > 0) {
    ctx.clearRect(0, 0, canvas.width, canvas.height);

    for (let i = 0; i < predictions.length; i++) {
      if (returnTensors) {
        predictions[i].topLeft = predictions[i].topLeft.arraySync();
        predictions[i].bottomRight = predictions[i].bottomRight.arraySync();
        if (annotateBoxes) {
          predictions[i].landmarks = predictions[i].landmarks.arraySync();
        }
      }

      const start = predictions[i].topLeft;
      const end = predictions[i].bottomRight;
      const size = [end[0] - start[0], end[1] - start[1]];
      ctx.fillStyle = "rgba(255, 0, 0, 0.5)";
      ctx.fillRect(start[0], start[1], size[0], size[1]);

      if (annotateBoxes) {
        const landmarks = predictions[i].landmarks;

        ctx.fillStyle = "blue";
        for (let j = 0; j < landmarks.length; j++) {
          const x = landmarks[j][0];
          the y = landmarks[j][1];
          ctx.fillRect(x, y, 5, 5);
        }
      }
    }
  }

  stats.end();

  requestAnimationFrame(renderPrediction);
};

const setupPage = async () => {
  await tf.setBackend(state.backend);
  addFlagLabels();
  await setupCamera();
  video.play();

  videoWidth = video.videoWidth;
  videoHeight = video.videoHeight;
  video.width = videoWidth;
  video.height = videoHeight;

  canvas = document.getElementById('output');
  canvas.width = videoWidth;
  canvas.height = videoHeight;
  ctx = canvas.getContext('2d');
  ctx.fillStyle = "rgba(255, 0, 0, 0.5)";

  model = await blazeface.load();

  renderPrediction();
};

setupPage();

tf-backend-wasm.js 文件 ​

tf-backend-wasm.js 文件是 TensorFlow.js 库 的一部分。它包含 TensorFlow.js WASM 后端的初始化逻辑，一些与 WASM 二进制文件交互的实用工具，以及设置 WASM 二进制文件的自定义路径的函数。

tfjs-backend-wasm-simd.wasm 文件 ​

tfjs-backend-wasm-simd.wasm 文件是 TensorFlow.js 库 的一部分。它是用于 WebAssembly 后端的 WASM 二进制文件，专门优化以利用 SIMD (单指令多数据) 指令。

探索 Dockerfile ​

在基于 Docker 的项目中，Dockerfile 作为构建应用程序环境的基础资产。

Dockerfile 是一个文本文件，指导 Docker 如何创建您的应用程序环境的镜像。镜像包含您在运行应用程序时想要和需要的所有内容，如文件、包和工具。

以下是此项目的 Dockerfile。

dockerfile
FROM nginx:stable-alpine3.17-slim
WORKDIR /usr/share/nginx/html
COPY . .

此 Dockerfile 定义了一个使用 Nginx 从 Alpine Linux 基础镜像提供静态内容的镜像。

使用 Compose 开发 ​

Docker Compose 是一个用于定义和运行多容器 Docker 应用的工具。使用 Compose，您可以使用 YAML 文件来配置您的应用服务、网络和卷。在这种情况下，应用不是多容器应用，但 Docker Compose 还有其他用于开发的有用功能，如 Compose Watch。

示例应用尚未有 Compose 文件。要创建一个 Compose 文件，在 TensorJS-Face-Detection 目录中创建一个名为 compose.yaml 的文本文件，然后添加以下内容。

yaml
services:
  server:
    build:
      context: .
    ports:
      - 80:80
    develop:
      watch:
        - action: sync
          path: .
          target: /usr/share/nginx/html

此 Compose 文件定义了使用相同目录中的 Dockerfile 构建的服务。它将主机上的 80 端口映射到容器中的 80 端口。它还有一个 develop 子节，其中的 watch 属性定义了一组控制基于本地文件更改的自动服务更新的规则。有关 Compose 指令的更多详细信息，请参阅 Compose 文件参考。

保存对 compose.yaml 文件的更改，然后运行以下命令运行应用程序。

console
docker compose watch

应用程序运行后，打开网页浏览器并访问 http://localhost:80。您可能需要为应用程序授权使用您的网络摄像头。

现在，您可以对源代码进行更改，并在不重新构建和重新运行容器的情况下立即在容器中看到更改的反映。

打开 index.js 文件并将第 83 行上的标志点颜色从蓝色更改为绿色。

diff
-        ctx.fillStyle = "blue";
+        ctx.fillStyle = "green";

保存对 index.js 文件的更改，然后刷新浏览器页面。标志点现在应该显示为绿色。

要停止应用程序，请在终端按 ctrl+c。

分享您的镜像 ​

在 Docker Hub 上发布您的 Docker 镜像可以简化他人的部署过程，使其可以无缝集成到不同的项目中。它还促进了您的容器化解决方案的采用，扩大了其在开发者生态系统中的影响。要分享您的镜像：

  1. 注册 或登录 Docker Hub。

  2. 重新构建您的镜像以包括对您的应用程序的更改。这次，将镜像名的前缀改为您的 Docker ID。Docker 使用该名称来确定要推送到的存储库。在 TensorJS-Face-Detection 目录中打开一个终端并运行以下命令。将 YOUR-USER-NAME 替换为您的 Docker ID。

    console
    docker build -t YOUR-USER-NAME/face-detection-tensorjs .

  3. 运行以下 docker push 命令将镜像推送到 Docker Hub。将 YOUR-USER-NAME 替换为您的 Docker ID。

    console
    docker push YOUR-USER-NAME/face-detection-tensorjs

  4. 验证您是否将镜像推送到了 Docker Hub。

    1. 转到 Docker Hub。
    2. 选择 Repositories。
    3. 查看您的存储库的 Last pushed 时间。

现在其他用户可以使用 docker run 命令

下载并运行您的镜像。他们需要将 YOUR-USER-NAME 替换为您的 Docker ID。

console
docker run -p 80:80 YOUR-USER-NAME/face-detection-tensorjs

总结 ​

本指南展示了如何利用 TensorFlow.js 和 Docker 进行网页应用中的人脸检测。它突出了运行容器化 TensorFlow.js 应用的便利性，并使用 Docker Compose 进行实时代码更改的开发。此外，它还介绍了如何通过在 Docker Hub 上分享您的 Docker 镜像来简化他人的部署，增强应用在开发者社区中的影响力。

相关信息：