Hướng dẫn về phân đoạn hình ảnh tương tác dành cho web

Tác vụ Trình phân đoạn hình ảnh tương tác của MediaPipe lấy một vị trí trong hình ảnh, ước tính ranh giới của đối tượng tại vị trí đó và trả về dữ liệu phân đoạn cho đối tượng dưới dạng dữ liệu hình ảnh. Những hướng dẫn này cho bạn biết cách sử dụng Trình phân đoạn hình ảnh tương tác cho ứng dụng web và Node. Để biết thêm thông tin về các tính năng, mô hình và tuỳ chọn cấu hình của tác vụ này, hãy xem phần Tổng quan.

Ví dụ về mã

Mã ví dụ cho Trình phân đoạn hình ảnh tương tác cung cấp cách triển khai đầy đủ nhiệm vụ này trong JavaScript để bạn tham khảo. Mã này giúp bạn kiểm thử nhiệm vụ này và bắt đầu xây dựng ứng dụng phân đoạn hình ảnh tương tác của riêng mình. Bạn có thể xem, chạy và chỉnh sửa mã ví dụ của Trình phân đoạn hình ảnh tương tác chỉ bằng trình duyệt web. Bạn cũng có thể xem lại mã cho ví dụ này trên GitHub.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và dự án mã dành riêng cho việc sử dụng Trình phân đoạn hình ảnh tương tác. Để biết thông tin chung về cách thiết lập môi trường phát triển cho việc sử dụng các tác vụ MediaPipe, bao gồm cả các yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập cho web.

Gói JavaScript

Bạn có thể sử dụng mã Trình phân đoạn hình ảnh tương tác thông qua gói MediaPipe @mediapipe/tasks-vision NPM. Bạn có thể tìm và tải các thư viện này xuống qua các đường liên kết được cung cấp trong Hướng dẫn thiết lập của nền tảng.

Bạn có thể cài đặt các gói bắt buộc bằng mã sau đây để tạo bản dựng cục bộ bằng lệnh sau:

npm install --save @mediapipe/tasks-vision

Nếu bạn muốn nhập mã tác vụ thông qua dịch vụ mạng phân phối nội dung (CDN), hãy thêm mã sau vào thẻ trong tệp HTML:

<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

Mẫu

Tác vụ Trình phân đoạn hình ảnh tương tác của MediaPipe yêu cầu một mô hình đã huấn luyện tương thích với tác vụ này. Để biết thêm thông tin về các mô hình đã huấn luyện hiện có cho Trình phân đoạn hình ảnh tương tác, hãy xem phần Mô hình trong phần tổng quan về tác vụ.

Chọn và tải một mô hình xuống, sau đó lưu trữ mô hình đó trong thư mục dự án:

<dev-project-root>/app/shared/models/

Tạo việc cần làm

Sử dụng một trong các hàm createFrom...() của Trình phân đoạn hình ảnh tương tác để chuẩn bị tác vụ chạy suy luận. Sử dụng hàm createFromModelPath() với đường dẫn tương đối hoặc tuyệt đối đến tệp mô hình đã huấn luyện. Nếu mô hình của bạn đã được tải vào bộ nhớ, bạn có thể sử dụng phương thức createFromModelBuffer().

Mã ví dụ bên dưới minh hoạ cách sử dụng hàm createFromOptions() để thiết lập tác vụ. Hàm createFromOptions cho phép bạn tuỳ chỉnh Trình phân đoạn hình ảnh tương tác bằng các tuỳ chọn cấu hình. Để biết thêm thông tin về các tuỳ chọn cấu hình, hãy xem phần Tuỳ chọn cấu hình.

Mã sau đây minh hoạ cách tạo và định cấu hình tác vụ bằng các tuỳ chọn tuỳ chỉnh:

async function createSegmenter() {
  const vision = await FilesetResolver.forVisionTasks(
    "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
  );

  interactiveSegmenter = await InteractiveSegmenter.createFromOptions(vision, {
    baseOptions: {
      modelAssetPath:
        "https://storage.googleapis.com/mediapipe-tasks/interactive_segmenter/ptm_512_hdt_ptm_woid.tflite"
    },
  });
}
createSegmenter();

Các lựa chọn về cấu hình

Tác vụ này có các tuỳ chọn cấu hình sau đây cho ứng dụng Web:

Tên tuỳ chọn Mô tả Phạm vi giá trị Giá trị mặc định
outputCategoryMask Nếu được đặt thành True, kết quả sẽ bao gồm một mặt nạ phân đoạn dưới dạng hình ảnh uint8, trong đó mỗi giá trị pixel cho biết liệu pixel đó có phải là một phần của đối tượng nằm trong khu vực quan tâm hay không. {True, False} False
outputConfidenceMasks Nếu được đặt thành True, kết quả sẽ bao gồm một mặt nạ phân đoạn dưới dạng hình ảnh giá trị dấu phẩy động, trong đó mỗi giá trị dấu phẩy động thể hiện độ tin cậy rằng pixel là một phần của đối tượng nằm trong khu vực quan tâm. {True, False} True
displayNamesLocale Đặt ngôn ngữ của nhãn để sử dụng cho tên hiển thị được cung cấp trong siêu dữ liệu của mô hình tác vụ, nếu có. Mặc định là en đối với tiếng Anh. Bạn có thể thêm nhãn đã bản địa hoá vào siêu dữ liệu của mô hình tuỳ chỉnh bằng cách sử dụng API Trình ghi siêu dữ liệu TensorFlow Lite Mã ngôn ngữ vi

Chuẩn bị dữ liệu

Trình phân đoạn hình ảnh tương tác có thể phân đoạn các đối tượng trong hình ảnh ở bất kỳ định dạng nào mà trình duyệt lưu trữ hỗ trợ. Tác vụ này cũng xử lý việc xử lý trước dữ liệu đầu vào, bao gồm cả việc đổi kích thước, xoay và chuẩn hoá giá trị.

Các lệnh gọi đến phương thức Trình phân đoạn hình ảnh tương tác segment() và segmentForVideo() chạy đồng bộ và chặn luồng giao diện người dùng. Nếu bạn phân đoạn các đối tượng trong khung hình video từ máy ảnh của thiết bị, thì mỗi tác vụ phân đoạn sẽ chặn luồng chính. Bạn có thể ngăn chặn điều này bằng cách triển khai trình chạy web để chạy segment() và segmentForVideo() trên một luồng khác.

Chạy tác vụ

Trình phân đoạn hình ảnh tương tác sử dụng phương thức segment() để kích hoạt các suy luận. Trình phân đoạn hình ảnh tương tác trả về các phân đoạn đã phát hiện dưới dạng dữ liệu hình ảnh cho một hàm gọi lại mà bạn đặt khi chạy quy trình suy luận cho tác vụ.

Đoạn mã sau đây minh hoạ cách thực thi quá trình xử lý bằng mô hình tác vụ:

const image = document.getElementById("image") as HTMLImageElement;
interactiveSegmenter.segment(
  image,
  {
    keypoint: {
      x: event.offsetX / event.target.width,
      y: event.offsetY / event.target.height
    }
  },
  callback);

Để triển khai đầy đủ hơn việc chạy tác vụ Trình phân đoạn hình ảnh tương tác, hãy xem ví dụ về mã.

Xử lý và hiển thị kết quả

Khi chạy quy trình suy luận, tác vụ Trình phân đoạn hình ảnh tương tác sẽ trả về dữ liệu hình ảnh phân đoạn cho một hàm gọi lại. Nội dung đầu ra là dữ liệu hình ảnh và có thể bao gồm mặt nạ danh mục, mặt nạ độ tin cậy hoặc cả hai, tuỳ thuộc vào nội dung bạn đặt khi định cấu hình tác vụ.

Các phần sau đây giải thích thêm về dữ liệu đầu ra của tác vụ này:

Mặt nạ danh mục

Các hình ảnh sau đây cho thấy hình ảnh trực quan của kết quả tác vụ cho mặt nạ giá trị danh mục với một khu vực điểm quan tâm được chỉ định. Mỗi pixel là một giá trị uint8 cho biết liệu pixel đó có thuộc đối tượng nằm trong khu vực quan tâm hay không. Vòng tròn đen trắng trên hình ảnh thứ hai cho biết khu vực quan tâm đã chọn.

Một chú chó đứng giữa một đống lá Hình dạng được viền của chú chó trong hình ảnh trước

Kết quả đầu ra của mặt nạ danh mục và hình ảnh gốc. Hình ảnh nguồn từ tập dữ liệu Pascal VOC 2012.

Mặt nạ độ tin cậy

Đầu ra của mặt nạ độ tin cậy chứa các giá trị float trong khoảng [0, 1] cho mỗi kênh đầu vào hình ảnh. Giá trị càng cao thì độ tin cậy càng cao rằng pixel hình ảnh là một phần của đối tượng nằm trong khu vực quan tâm.

Mã ví dụ về Trình phân đoạn hình ảnh tương tác minh hoạ cách hiển thị kết quả phân loại được trả về từ tác vụ, hãy xem ví dụ về mã để biết thông tin chi tiết.