物体识别演示器 - 基于COCO-SSD模型
使用TensorFlow.js调用COCO-SSD模型,在摄像头画面中实时框选并标注物体。
UD5工具箱
面部网格检测(Face Mesh Detection)是一种基于深度学习的面部特征点定位技术。与传统的68点或192点检测不同,MediaPipe Face Mesh使用468个3D特征点精准覆盖整个面部表面,包括:
这些点通过三角网格(Tessellation)相互连接,形成约876条边,构建出完整的面部3D表面模型。
468点面部网格技术在多个领域有广泛应用:
相比dlib(68点)、OpenFace、Face++等方案,MediaPipe Face Mesh具有以下优势:
| 特性 | MediaPipe | dlib 68点 | Face++ |
|---|---|---|---|
| 特征点数 | 468个 | 68个 | 106个 |
| 3D深度信息 | ✅ 支持 | ❌ 仅2D | 部分支持 |
| 虹膜追踪 | ✅ 支持 | ❌ 不支持 | ❌ 不支持 |
| 三角网格 | ✅ 完整 | ❌ 无 | ❌ 无 |
| 本地处理 | ✅ 完全本地 | ✅ 本地 | ❌ 需联网 |
| 实时性能 | ✅ 30+ FPS | ✅ 快速 | 受网络影响 |
完全安全!本工具的所有处理都在您的浏览器本地完成:
我们重视您的隐私,工具设计遵循隐私优先原则。
为确保最佳体验,请满足以下要求:
检测精度受以下因素影响:
提示:保持面部清晰可见、光线良好,可获得亚像素级精度的特征点定位。
使用TensorFlow.js调用COCO-SSD模型,在摄像头画面中实时框选并标注物体。
在等轴测网格上绘制建筑或场景,支持多图层及调色板,导出等轴测像素艺术作品。
输入URL提取OG标签,模拟Facebook/Twitter/LinkedIn卡片显示效果,优化链接分享。
上传疑似隐写图片,提取每个像素的最低位,尝试恢复隐藏的文本或数据。
对同一输入运行多种哈希算法,并对比它们在前端的执行速度。
上传CSV或手动输入多维数据,计算PCA并投影到二维空间,查看方差解释比率与载荷图。
应用Sobel或其他卷积核实施边缘检测,提取图像轮廓线条,可设置阈值,导出黑白线稿。
输入网址,抓取该页面上的出入链接并绘制成节点关系草图。
粘贴HTML和CSS,工具将尝试分析并为你抽取首屏内联样式,辅助性能优化。
自定义套餐名、价格、功能列表,生成对比式价格表UI的HTML/CSS代码。
随机生成整数数组,逐步展示按低位优先进行的基数排序过程,辅助算法理解。
摄像头连续拍摄4张照片,自动合成为经典大头贴长条,可加可爱边框。
显示当前网页的Referrer-Policy设置,并模拟不同策略下的Referer发送情况。
通过PerformanceObserver获取首次绘制(FP)和首次内容绘制(FCP)时间。
拖拽改变容器宽度,观察使用container-type和@container规则的元素如何自适应样式。
输入LaTeX命令如 \alpha 或 \sum,即时渲染为高清可下载的SVG或PNG图片。
利用浏览器原生API录制屏幕共享或窗口,选择音频源,导出为WebM视频。
在Canvas上随机撒点,运行K-Means算法,观察中心点迭代移动和簇的形成。
输入URL的OG标签内容,模拟在Facebook/Twitter上的链接预览卡片效果,调试SEO标记。
适配多种SQL方言的关键词大小写与缩进风格,并可添加注释提示,提升大查询可读性。
解析任何User-Agent字符串,返回详细的设备类别、制造商、操作系统及浏览器/引擎版本信息。
分解URL为协议、主机、端口、路径、查询字符串和哈希等各个组成部分,便于理解与调试。
使用Seam Carving算法逐步移除图片中不重要的像素线以缩小尺寸,前端模拟教学。
计算文本或文件的BLAKE2b/BLAKE2s哈希值,比MD5更安全,比SHA更快,纯前端JS库实现。
选择网站类型与收集数据项,生成基础隐私政策HTML文本,符合主流法规框架。
解析诸如 `application/json; charset=utf-8` 的结构,分离类型、子类型与参数。
通过滑块调节LCP、FID、CLS等指标值,实时显示对应的谷歌核心网页指标评分与颜色。
上传图片,转换为带颜色和符号的网格图,辅助制作十字绣图纸。
输入标题、描述和URL,模拟在Google搜索结果中的展示效果,并检测长度。
设定储蓄目标总额与当前余额,环形进度条动态展示完成百分比,并计算还需多少天达成。