# tensorflow-ai

**Repository Path**: chehl-0110/tensorflow-ai

## Basic Information

- **Project Name**: tensorflow-ai
- **Description**: 实现TensorFlow在浏览器中运行机器学习模型，运用MobileNet轻量级卷积神经网络，预训练于ImageNet
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-03-06
- **Last Updated**: 2026-04-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: AI, TensorFlow, MobileNet, JavaScript, 人工智能

## README

# TensorFlow.js 图像分类器

**作者**：chehongliang0110  
**邮箱**：330389396@qq.com 
**日期**：2026年3月6日

基于 **TensorFlow.js** 和 **MobileNet** 预训练模型构建的浏览器端图像分类应用，可识别 ImageNet 数据集中的 1000 类物体。

## 功能特点

- 在浏览器中直接运行，无需后端服务器
- 使用 MobileNet v1 预训练模型（storage.googleapis 托管），轻量且快速，国内网络可访问
- 支持点击上传或拖拽上传图片
- 显示 Top-5 预测结果及置信度
- 现代化深色主题界面

## 效果预览

![识别效果 1](assets/images/result1.png)

![识别效果 2](assets/images/result2.png)

## 项目结构

```
tensorflow-ai/
├── index.html          # 主页面
├── src/
│   └── classifier.js   # 图像分类器核心逻辑
├── package.json
└── README.md
```

## 快速开始

### 方式一：使用本地服务器（推荐）

由于浏览器安全限制，建议通过 HTTP 服务访问：

```bash
# 安装依赖（可选，仅用于启动服务器）
npm install

# 启动开发服务器
npm start
```

然后在浏览器中打开 `http://localhost:3000`。

### 方式二：使用其他静态服务

可使用 [Live Server](https://marketplace.visualstudio.com/items?itemName=ritwickdey.LiveServer)、Python 等启动本地服务器：

```bash
# Python 3
python -m http.server 8000

# 然后访问 http://localhost:8000
```

## 技术栈

- **TensorFlow.js** - 在浏览器中运行机器学习模型
- **MobileNet** - 轻量级卷积神经网络，预训练于 ImageNet
- 纯 HTML/CSS/JavaScript，无需构建工具

## 使用说明

1. 等待页面加载完成，模型状态显示「模型已就绪」
2. 点击上传区域或拖拽图片到页面
3. 点击「识别图像」按钮进行预测
4. 查看 Top-5 分类结果及置信度

## 植物花卉识别

当前模型基于 ImageNet 1000 类，可识别多种植物花卉相关类别，包括：

- **蔷薇科**：蔷薇果等（与玫瑰、月季同科）
- **菊科**：雏菊等
- **兰科**：杓兰等
- **其他**：油菜、青苹果、草莓、蘑菇等

若需更精准的玫瑰、月季、郁金香等花卉识别，可使用 [Teachable Machine](https://teachablemachine.withgoogle.com/) 训练自定义花卉模型，并导出为 TensorFlow.js 格式集成。

## 注意事项

- 首次加载需下载约 16MB 的模型权重
- 推荐使用 Chrome、Edge 或 Firefox 等现代浏览器
- MobileNet 针对常见物体（如动物、日用品、植物花卉等）效果较好，不适用于人脸识别

## 许可证

MIT