{"id":318987,"date":"2021-03-03T21:00:28","date_gmt":"2021-03-03T21:00:28","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=318987"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=318987","title":{"rendered":"\u041e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u0431-\u043a\u0430\u043c\u0435\u0440\u044b \u0432 \u0431\u0440\u0430\u0443\u0437\u0435\u0440\u0435 \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c TensorFlow.js. \u0427\u0430\u0441\u0442\u044c 3"},"content":{"rendered":"\n
\n
<\/figcaption><\/figure>\n

\u041c\u044b \u0443\u0436\u0435 \u043d\u0430\u0443\u0447\u0438\u043b\u0438\u0441\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442 (\u0418\u0418) \u0432 \u0432\u0435\u0431-\u0431\u0440\u0430\u0443\u0437\u0435\u0440\u0435 \u0434\u043b\u044f \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u043b\u0438\u0446 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435. \u0418\u0442\u0430\u043a, \u043c\u044b \u0441\u043e\u0431\u0440\u0430\u043b\u0438 \u044d\u0442\u0438 \u0434\u0432\u0430 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0438 \u0445\u043e\u0442\u0438\u043c \u0443\u0437\u043d\u0430\u0442\u044c, \u0441\u043c\u043e\u0436\u0435\u043c \u043b\u0438 \u043c\u044b \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u0432\u0430\u0442\u044c \u044d\u043c\u043e\u0446\u0438\u0438 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u0431-\u043a\u0430\u043c\u0435\u0440\u044b. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u044b, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u0442\u0440\u0430\u043d\u0441\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u0435 \u0441 \u0432\u0435\u0431-\u043a\u0430\u043c\u0435\u0440\u044b \u0432\u0438\u0434\u0435\u043e \u043d\u0430\u0448\u0435\u0433\u043e \u043b\u0438\u0446\u0430, \u0443\u0437\u043d\u0430\u0435\u043c, \u0441\u043c\u043e\u0436\u0435\u0442 \u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0435\u0430\u0433\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0430 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435 \u043b\u0438\u0446\u0430 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438.<\/p>\n

\n

\u0412\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u0434\u0435\u043c\u043e\u0432\u0435\u0440\u0441\u0438\u044e \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u0414\u043b\u044f \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0435\u043d\u0438\u044f \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0439 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c \u0432 \u0432\u0435\u0431-\u0431\u0440\u0430\u0443\u0437\u0435\u0440\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0443 \u0438\u043d\u0442\u0435\u0440\u0444\u0435\u0439\u0441\u0430 WebGL. \u0412\u044b \u0442\u0430\u043a\u0436\u0435 \u043c\u043e\u0436\u0435\u0442\u0435 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043a\u043e\u0434 \u0438 \u0444\u0430\u0439\u043b\u044b<\/u><\/a> \u0434\u043b\u044f \u044d\u0442\u043e\u0439 \u0441\u0435\u0440\u0438\u0438. \u041f\u0440\u0435\u0434\u043f\u043e\u043b\u0430\u0433\u0430\u0435\u0442\u0441\u044f, \u0447\u0442\u043e \u0432\u044b \u0437\u043d\u0430\u043a\u043e\u043c\u044b \u0441 JavaScript \u0438 HTML \u0438 \u0438\u043c\u0435\u0435\u0442\u0435 \u0445\u043e\u0442\u044f \u0431\u044b \u0431\u0430\u0437\u043e\u0432\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043e \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0445 \u0441\u0435\u0442\u044f\u0445. <\/p>\n

\u0414\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435<\/h3>\n

\u0412 \u044d\u0442\u043e\u043c \u043f\u0440\u043e\u0435\u043a\u0442\u0435 \u043c\u044b \u043f\u0440\u043e\u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0430\u0448\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435 \u043d\u0430 \u0432\u0438\u0434\u0435\u043e, \u0442\u0440\u0430\u043d\u0441\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u043c \u0441 \u0432\u0435\u0431-\u043a\u0430\u043c\u0435\u0440\u044b. \u041c\u044b \u043d\u0430\u0447\u043d\u0451\u043c \u0441\u043e \u0441\u0442\u0430\u0440\u0442\u043e\u0432\u043e\u0433\u043e \u0448\u0430\u0431\u043b\u043e\u043d\u0430 \u0441 \u043e\u043a\u043e\u043d\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c \u0438\u0437 \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u043b\u0438\u0446 \u0438 \u0432\u043d\u0435\u0441\u0451\u043c \u0432 \u043d\u0435\u0433\u043e \u0447\u0430\u0441\u0442\u0438 \u043a\u043e\u0434\u0430 \u0434\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435.<\/p>\n

\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u043c \u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c \u043d\u0430\u0448\u0443 \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435. \u041d\u0430\u0447\u0430\u043b\u0430 \u043c\u044b \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u043c \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0435 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439, \u043a\u0430\u043a \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u0440\u0430\u043d\u044c\u0448\u0435:<\/p>\n

const emotions = [ \"angry\", \"disgust\", \"fear\", \"happy\", \"neutral\", \"sad\", \"surprise\" ]; let emotionModel = null;<\/code><\/pre>\n
\u0417\u0430\u0442\u0435\u043c \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439 \u0432\u043d\u0443\u0442\u0440\u0438 \u0431\u043b\u043e\u043a\u0430 async:<\/p>\n
(async () => {     ...      \/\/ Load Face Landmarks Detection     model = await faceLandmarksDetection.load(         faceLandmarksDetection.SupportedPackages.mediapipeFacemesh     );     \/\/ Load Emotion Detection     emotionModel = await tf.loadLayersModel( 'web\/model\/facemo.json' );      ... })();<\/code><\/pre>\n
\u0410 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u043e \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u043c \u0442\u043e\u0447\u043a\u0430\u043c \u043b\u0438\u0446\u0430 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u0443\u044e \u0444\u0443\u043d\u043a\u0446\u0438\u044e:<\/p>\n
async function predictEmotion( points ) {     let result = tf.tidy( () => {         const xs = tf.stack( [ tf.tensor1d( points ) ] );         return emotionModel.predict( xs );     });     let prediction = await result.data();     result.dispose();     \/\/ Get the index of the maximum value     let id = prediction.indexOf( Math.max( ...prediction ) );     return emotions[ id ]; }<\/code><\/pre>\n
\u041d\u0430\u043a\u043e\u043d\u0435\u0446, \u043d\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u0442\u043e\u0447\u043a\u0438 \u043b\u0438\u0446\u0430 \u043e\u0442 \u043c\u043e\u0434\u0443\u043b\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u0432\u043d\u0443\u0442\u0440\u0438 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 trackFace<\/code> \u0438 \u043f\u0435\u0440\u0435\u0434\u0430\u0442\u044c \u0438\u0445 \u043c\u043e\u0434\u0443\u043b\u044e \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u044d\u043c\u043e\u0446\u0438\u0439.<\/p>\n
async function trackFace() {     ...      let points = null;     faces.forEach( face => {         ...          \/\/ Add just the nose, cheeks, eyes, eyebrows & mouth         const features = [             \"noseTip\",             \"leftCheek\",             \"rightCheek\",             \"leftEyeLower1\", \"leftEyeUpper1\",             \"rightEyeLower1\", \"rightEyeUpper1\",             \"leftEyebrowLower\", \/\/\"leftEyebrowUpper\",             \"rightEyebrowLower\", \/\/\"rightEyebrowUpper\",             \"lipsLowerInner\", \/\/\"lipsLowerOuter\",             \"lipsUpperInner\", \/\/\"lipsUpperOuter\",         ];         points = [];         features.forEach( feature => {             face.annotations[ feature ].forEach( x => {                 points.push( ( x[ 0 ] - x1 ) \/ bWidth );                 points.push( ( x[ 1 ] - y1 ) \/ bHeight );             });         });     });      if( points ) {         let emotion = await predictEmotion( points );         setText( `Detected: ${emotion}` );     }     else {         setText( \"No Face\" );     }      requestAnimationFrame( trackFace ); }<\/code><\/pre>\n
\u042d\u0442\u043e \u0432\u0441\u0451, \u0447\u0442\u043e \u043d\u0443\u0436\u043d\u043e \u0434\u043b\u044f \u0434\u043e\u0441\u0442\u0438\u0436\u0435\u043d\u0438\u044f \u043d\u0443\u0436\u043d\u043e\u0439 \u0446\u0435\u043b\u0438. \u0422\u0435\u043f\u0435\u0440\u044c, \u043a\u043e\u0433\u0434\u0430 \u0432\u044b \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u0442\u0435 \u0432\u0435\u0431-\u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443, \u043e\u043d\u0430 \u0434\u043e\u043b\u0436\u043d\u0430 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u0442\u044c \u0432\u0430\u0448\u0435 \u043b\u0438\u0446\u043e \u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0442\u044c \u044d\u043c\u043e\u0446\u0438\u0438. \u042d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u0443\u0439\u0442\u0435 \u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0439\u0442\u0435 \u0443\u0434\u043e\u0432\u043e\u043b\u044c\u0441\u0442\u0432\u0438\u0435!<\/p>\n
\n\u0412\u043e\u0442 \u043f\u043e\u043b\u043d\u044b\u0439 \u043a\u043e\u0434, \u043d\u0443\u0436\u043d\u044b\u0439 \u0434\u043b\u044f \u0437\u0430\u0432\u0435\u0440\u0448\u0435\u043d\u0438\u044f \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0430<\/summary>\n
\n
<html>     <head>         <title>Real-Time Facial Emotion Detection<\/title>         <script src=\"https:\/\/cdn.jsdelivr.net\/npm\/@tensorflow\/tfjs@2.4.0\/dist\/tf.min.js\"><\/script>         <script src=\"https:\/\/cdn.jsdelivr.net\/npm\/@tensorflow-models\/face-landmarks-detection@0.0.1\/dist\/face-landmarks-detection.js\"><\/script>     <\/head>     <body>         <canvas id=\"output\"><\/canvas>         <video id=\"webcam\" playsinline style=\"             visibility: hidden;             width: auto;             height: auto;             \">         <\/video>         <h1 id=\"status\">Loading...<\/h1>         <script>         function setText( text ) {             document.getElementById( \"status\" ).innerText = text;         }          function drawLine( ctx, x1, y1, x2, y2 ) {             ctx.beginPath();             ctx.moveTo( x1, y1 );             ctx.lineTo( x2, y2 );             ctx.stroke();         }          async function setupWebcam() {             return new Promise( ( resolve, reject ) => {                 const webcamElement = document.getElementById( \"webcam\" );                 const navigatorAny = navigator;                 navigator.getUserMedia = navigator.getUserMedia ||                 navigatorAny.webkitGetUserMedia || navigatorAny.mozGetUserMedia ||                 navigatorAny.msGetUserMedia;                 if( navigator.getUserMedia ) {                     navigator.getUserMedia( { video: true },                         stream => {                             webcamElement.srcObject = stream;                             webcamElement.addEventListener( \"loadeddata\", resolve, false );                         },                     error => reject());                 }                 else {                     reject();                 }             });         }          const emotions = [ \"angry\", \"disgust\", \"fear\", \"happy\", \"neutral\", \"sad\", \"surprise\" ];         let emotionModel = null;          let output = null;         let model = null;          async function predictEmotion( points ) {             let result = tf.tidy( () => {                 const xs = tf.stack( [ tf.tensor1d( points ) ] );                 return emotionModel.predict( xs );             });             let prediction = await result.data();             result.dispose();             \/\/ Get the index of the maximum value             let id = prediction.indexOf( Math.max( ...prediction ) );             return emotions[ id ];         }          async function trackFace() {             const video = document.querySelector( \"video\" );             const faces = await model.estimateFaces( {                 input: video,                 returnTensors: false,                 flipHorizontal: false,             });             output.drawImage(                 video,                 0, 0, video.width, video.height,                 0, 0, video.width, video.height             );              let points = null;             faces.forEach( face => {                 \/\/ Draw the bounding box                 const x1 = face.boundingBox.topLeft[ 0 ];                 const y1 = face.boundingBox.topLeft[ 1 ];                 const x2 = face.boundingBox.bottomRight[ 0 ];                 const y2 = face.boundingBox.bottomRight[ 1 ];                 const bWidth = x2 - x1;                 const bHeight = y2 - y1;                 drawLine( output, x1, y1, x2, y1 );                 drawLine( output, x2, y1, x2, y2 );                 drawLine( output, x1, y2, x2, y2 );                 drawLine( output, x1, y1, x1, y2 );                  \/\/ Add just the nose, cheeks, eyes, eyebrows & mouth                 const features = [                     \"noseTip\",                     \"leftCheek\",                     \"rightCheek\",                     \"leftEyeLower1\", \"leftEyeUpper1\",                     \"rightEyeLower1\", \"rightEyeUpper1\",                     \"leftEyebrowLower\", \/\/\"leftEyebrowUpper\",                     \"rightEyebrowLower\", \/\/\"rightEyebrowUpper\",                     \"lipsLowerInner\", \/\/\"lipsLowerOuter\",                     \"lipsUpperInner\", \/\/\"lipsUpperOuter\",                 ];                 points = [];                 features.forEach( feature => {                     face.annotations[ feature ].forEach( x => {                         points.push( ( x[ 0 ] - x1 ) \/ bWidth );                         points.push( ( x[ 1 ] - y1 ) \/ bHeight );                     });                 });             });              if( points ) {                 let emotion = await predictEmotion( points );                 setText( `Detected: ${emotion}` );             }             else {                 setText( \"No Face\" );             }              requestAnimationFrame( trackFace );         }          (async () => {             await setupWebcam();             const video = document.getElementById( \"webcam\" );             video.play();             let videoWidth = video.videoWidth;             let videoHeight = video.videoHeight;             video.width = videoWidth;             video.height = videoHeight;              let canvas = document.getElementById( \"output\" );             canvas.width = video.width;             canvas.height = video.height;              output = canvas.getContext( \"2d\" );             output.translate( canvas.width, 0 );             output.scale( -1, 1 ); \/\/ Mirror cam             output.fillStyle = \"#fdffb6\";             output.strokeStyle = \"#fdffb6\";             output.lineWidth = 2;              \/\/ Load Face Landmarks Detection             model = await faceLandmarksDetection.load(                 faceLandmarksDetection.SupportedPackages.mediapipeFacemesh             );             \/\/ Load Emotion Detection             emotionModel = await tf.loadLayersModel( 'web\/model\/facemo.json' );              setText( \"Loaded!\" );              trackFace();         })();         <\/script>     <\/body> <\/html><\/code><\/pre>\n<\/div>\n<\/details>\n
<\/figcaption><\/figure>\n
\u0427\u0442\u043e \u0434\u0430\u043b\u044c\u0448\u0435? \u041a\u043e\u0433\u0434\u0430 \u043c\u044b \u0441\u043c\u043e\u0436\u0435\u043c \u043d\u043e\u0441\u0438\u0442\u044c \u0432\u0438\u0440\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0447\u043a\u0438?<\/h3>\n
\u0412\u0437\u044f\u0432 \u043a\u043e\u0434 \u0438\u0437 \u043f\u0435\u0440\u0432\u044b\u0445 \u0434\u0432\u0443\u0445 \u0441\u0442\u0430\u0442\u0435\u0439 \u044d\u0442\u043e\u0439 \u0441\u0435\u0440\u0438\u0438, \u043c\u044b \u0441\u043c\u043e\u0433\u043b\u0438 \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440 \u044d\u043c\u043e\u0446\u0438\u0439 \u043d\u0430 \u043b\u0438\u0446\u0435 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u043b\u0438\u0448\u044c \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0430 \u043d\u0430 JavaScript. \u0422\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0435\u0449\u0451 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 TensorFlow.js! \u0412 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u044b \u0432\u0435\u0440\u043d\u0451\u043c\u0441\u044f \u043a \u043d\u0430\u0448\u0435\u0439 \u0446\u0435\u043b\u0438 \u2013 \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0444\u0438\u043b\u044c\u0442\u0440 \u0434\u043b\u044f \u043b\u0438\u0446\u0430 \u0432 \u0441\u0442\u0438\u043b\u0435 Snapchat, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u0442\u043e, \u0447\u0442\u043e \u043c\u044b \u0443\u0436\u0435 \u0443\u0437\u043d\u0430\u043b\u0438 \u043e\u0431 \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u0438 \u043b\u0438\u0446 \u0438 \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0438 3D-\u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u043e\u043c ThreeJS. \u041e\u0441\u0442\u0430\u0432\u0430\u0439\u0442\u0435\u0441\u044c \u0441 \u043d\u0430\u043c\u0438! \u0414\u043e \u0432\u0441\u0442\u0440\u0435\u0447\u0438 \u0437\u0430\u0432\u0442\u0440\u0430, \u0432 \u044d\u0442\u043e \u0436\u0435 \u0432\u0440\u0435\u043c\u044f!<\/strong><\/p>\n
\u041e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u0435 \u043b\u0438\u0446 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0432 \u0431\u0440\u0430\u0443\u0437\u0435\u0440\u0435 \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c TensorFlow.js. \u0427\u0430\u0441\u0442\u044c 2<\/a><\/p>\n
<\/figcaption><\/figure>\n
\u0423\u0437\u043d\u0430\u0439\u0442\u0435 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0441\u0442\u0438<\/a>, \u043a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c Level Up \u043f\u043e \u043d\u0430\u0432\u044b\u043a\u0430\u043c \u0438 \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0435 \u0438\u043b\u0438 \u0432\u043e\u0441\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u043d\u0443\u044e \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u044e \u0441 \u043d\u0443\u043b\u044f, \u043f\u0440\u043e\u0439\u0434\u044f \u043e\u043d\u043b\u0430\u0439\u043d-\u043a\u0443\u0440\u0441\u044b SkillFactory \u0441\u043e \u0441\u043a\u0438\u0434\u043a\u043e\u0439 40% \u0438 \u043f\u0440\u043e\u043c\u043e\u043a\u043e\u0434\u043e\u043c HABR<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u0430\u0441\u0442 \u0435\u0449\u0435 +10% \u0441\u043a\u0438\u0434\u043a\u0438 \u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.<\/p>\n