Introdução
Este projeto guia você pelo processo de implantação de um modelo MobileNetV2 pré-treinado usando TensorFlow.js dentro de uma aplicação web Flask. MobileNetV2 é uma rede neural profunda leve, usada principalmente para classificação de imagens. TensorFlow.js permite executar modelos de machine learning diretamente no navegador, possibilitando aplicações web interativas. Flask, um framework web Python, servirá como backend para hospedar nossa aplicação. Ao final deste projeto, você terá uma aplicação web em execução que classifica imagens em tempo real usando o modelo MobileNetV2.
👀 Pré-visualização
🎯 Tarefas
Neste projeto, você aprenderá:
- Como exportar um modelo MobileNetV2 pré-treinado do Keras para um formato compatível com TensorFlow.js.
- Como criar uma aplicação Flask simples para servir seu conteúdo web e modelo.
- Como projetar uma página HTML para carregar e exibir imagens para classificação.
- Como usar TensorFlow.js para carregar o modelo exportado no navegador.
- Como pré-processar imagens no navegador para corresponder aos requisitos de entrada do MobileNetV2.
- Como executar o modelo no navegador para classificar imagens e exibir os resultados.
🏆 Conquistas
Após concluir este projeto, você será capaz de:
- Converter um modelo Keras pré-treinado em um formato que pode ser usado com TensorFlow.js, permitindo que modelos de ML sejam executados no navegador.
- Configurar uma aplicação Flask e servir conteúdo HTML e arquivos estáticos.
- Integrar TensorFlow.js em uma aplicação web para realizar tarefas de machine learning no lado do cliente.
- Pré-processar imagens em JavaScript para torná-las compatíveis com os requisitos de entrada de modelos de deep learning.
- Fazer previsões usando um modelo de deep learning no navegador e exibir os resultados dinamicamente na página web.
