本篇要解決的問題
幾年前有寫了一篇〈ML5.js 神經網路 開發圖像辨識〉，是辨識圖片裡的物件，最近跟朋友設計一個活動，是需要判斷照片中的人數，ML5 有點不夠用，問了 ChatGPT 後，知道了 Tensorflow.js 裡，有一個 COCO-SSD 的模型，官方的說明 是「在單一影像中定位及辨識多個物件」，實際用起來後，也真的覺得好用，除了可以把人辨識出來，還可以給在照片上的範圍。
本篇主要參考的來源，是 官方說明文件、ChatGPT 的回答。
最後完成的 Demo：
https://letswritetw.github.io/letswrite-coco-ssd
基本使用
官方文件的使用教學很基本，就是我們用 img src 把圖檔放上去後，再用 COCO-SSD 這個模型來進行辨識，程式碼如下：
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"> </script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/coco-ssd"> </script>
<img id="img" src="cat.jpg"/>
<script>
const img = document.getElementById('img');
cocoSsd.load().then(model => {
// detect objects in the image.
model.detect(img).then(predictions => {
console.log('Predictions: ', predictions);
});
});
</script>進階用法
這邊 August 因為跟朋友設計的活動，是要讓參加活動的人，自己拍照後上傳，所以不能像官方的範例一樣，直接就能取得圖片。
以下程式碼使用 Vue.js 來實作。
HTML
HTML 的部份，我們放一個上傳檔案的按鈕，跟要在照片上標出辨識範圍的 canvas：
<input
type="file" ref="photo"
accept="image/*"
@change="photoHandler"/>
<canvas id="canvas"></canvas>accept 限制使用者只能上傳圖片。
ref="photo" 是要在 Vue.js 裡能抓到使用者選擇的 file。
photoHandler 就是稍後要寫在 Vue.js 的 method。
Vue.js / JavaScript
因為 model 載入要時間，如果不想每次都載入，就要把 model 存在 data。
辨識的結果也需要存在 data，才好把結果呈現在畫面上。
data() {
return {
result: null,
modal: null
}
}methods 先來處理使用者選擇了圖片檔：
async photoHandler() {
const file = this.$refs.photo.files[0];
if (!file) return;
// 載入 COCO-SSD 模型
this.model = this.model || await cocoSsd.load();
const imageElement = document.createElement('img');
imageElement.src = URL.createObjectURL(file);
imageElement.onload = async () => {
this.result = await this.model.detect(imageElement);
// 在照片上標出範圍
this.drawBox(imageElement, this.result);
// 清除暫時創建的圖檔 URL
URL.revokeObjectURL(imageElement.src);
};
}COCO-SSD 辨識的結果，會是一個陣列，像這樣：
[
{
"bbox": [
244.66079431772232,
405.9116929471493,
304.8147379755974,
786.6561211645603
],
"class": "person",
"score": 0.9971041083335876
},
...
]bbox 是辨識出的範圍。
class 是辨識結果，score 是信心值，愈接近 1 就愈準。
我們在照片用 COCO-SSD 辨識完後，執行了 drawBox，主要是標出照片裡 COCO-SSD 辨識的物件。
async drawBox(imageElement, predictions) {
const canvas = document.getElementById('canvas');
const context = canvas.getContext('2d');
// 設定畫布大小與圖片一致
canvas.width = imageElement.width;
canvas.height = imageElement.height;
// 畫圖片到畫布上
context.drawImage(imageElement, 0, 0, canvas.width, canvas.height);
for (let prediction of predictions) {
const [x, y, width, height] = prediction.bbox;
const text = `${prediction.class} (${(prediction.score * 100).toFixed(2)}%)`;
// 畫框
context.strokeStyle = 'yellow';
context.lineWidth = 8;
context.strokeRect(x, y, width, height);
// 設定字體樣式
context.font = '28px Arial';
context.fillStyle = 'yellow';
// 量測文字寬度與高度
const textWidth = context.measureText(text).width;
const textHeight = 28 * 1.5;
const padding = 8;
// 畫白色背景框，包含 padding
context.fillStyle = 'white';
context.fillRect(x - padding, y - 20 - textHeight - padding, textWidth + padding * 2, textHeight + padding * 2);
// 畫文字
context.fillStyle = 'black'; // 文字顏色
context.fillText(text, x + padding / 2, y - 10 - textHeight / 2);
}
}辨識範例、原始碼
我們來試一下結果，以下圖片是在可商用的素材網 Pixabay 上下載的。
先來辨識一群人：
接著來辨識動物：
神奇的是，把柯基辨識成 Teddy Bear 了 XD。
最後來辨識物品：
雖然相機、滑鼠、茶杯都沒辨識到，不過還行，免費的就不要求了。
最後再次附上 Demo，也附上 Demo 的原始碼，取用前麻煩多多分享本篇，你的小小舉動，對本站都是大大的鼓勵。
Demo：
https://letswritetw.github.io/letswrite-coco-ssd
原始碼：
https://github.com/letswritetw/letswrite-coco-ssd
