人工智能教你识别口红色号

Git项目源码：https://github.com/DaMaiGit/artifact

花絮

今天是一年一度的情人节。都说女生的梳妆台上永远缺一支口红，在这个时候，给心仪的女神送一支适合她的口红，表达自己的想念之情准没错。想到女神收到口红后欣喜的样子，还真有点小激动呢！

作为技术直男，怎样挑选色号才能不出错呢？上次送女神死亡芭比粉的翻车经历还历历在目。为此，在这段宅家的日子里，小编痛定思痛，制作出了一款口红分析神器：计算机根据女神的照片，自动识别其唇色，从而帮她挑选与唇色最匹配的口红色号。

有了这个神器，我们就能凭借珍藏的女神美照，轻松分析出她们所匹配的口红款式，进而投其所好，从此沐浴在爱情的春风里！

开始动工

口红分析神器的制作步骤主要有：

1. 识别照片中嘴唇部分的颜色；
2. 对比口红颜色，筛选出适合的口红款式。

识别照片中嘴唇颜色

首先我们应该让机器准确识别出照片中嘴唇的位置。Google的AI框架TensorFlow可以帮助开发者搭建训练机器学习的模型。

Google的AI框架TensorFlow能够帮助开发者搭建训练机器学习的模型。

对于入门者而言，自己使用TensorFlow去训练模型不是一蹴而就的，这里面涉及到很多深度学习以及TensorFlow的基本概念，例如张量、隐藏层、激活函数、卷积层、池化层等。

好在深度学习的应用并不难，justadudewhohacks大神的人脸识别模型框架face-api可以帮我们忙。构建于TensorFlow.js核心库之上，face-api是基于MobileNetV1的神经网络所进行的人脸样本训练。借助它，我们能够使程序快速获得人脸识别的能力。

好在深度学习的应用并不困难，这让我想起了justadudewhohacks大神的人脸识别模型框架:face-api。face-api本质上是构建于TensorFlow.js核心库之上，基于MobileNetV1的神经网络进行人脸样本的训练。总而言之，借助它，我们能够快速使我们的程序获得人脸识别的能力。

深度学习的原理

深度学习指的是通过深度神经网络训练机器，使其获得与人类相似的学习与分析能力，进而完成识别文字、图像和语音的任务。

深度学习主要包括以下三个步骤：

1. 构建深度神经网络；
2. 输入数据样本，获得模型并评估效果；
3. 优化模型并输出。

face-api已经实现了上述三个步骤，为开发者提供了人脸识别的模型，并封装成了简易的api，使我们能在前端项目上更方便地使用人脸识别技术。如图所示，蓝色部分是face-api已经完成的任务，而我们要做的则是输入人脸图片到已经训练好的模型中，得到输出值即可，即橙色框内的部分。

face-api的使用

引入方式

方式1:

如果我们不使用打包工具的话，可以直接将github库中的dist目录下的脚本face-api.js直接导入

<script src="face-api.js"></script>

方式2:

使用npm来引入face-api库；

npm i face-api.js

初始化模型

借助不同的卷积神经网络，face-api提供了一系列模型。常用的模型如下所示：

var nets = {
   
    ssdMobilenetv1: new SsdMobilenetv1(), // ssdMobilenetv1 目标检测
    tinyFaceDetector: new TinyFaceDetector(),  // 人脸识别（精简版）
    tinyYolov2: new TinyYolov2(),   // Yolov2 目标检测（精简版）
    mtcnn: new Mtcnn(