-- 神经网络3D展示 --
通过神经网络检测不同的杨超越照片，直观展示神经网络是如何从一张图片中检测物体的，类似于 Lenna 之于图片预处理。可在 Web3D 交互体验中感受神经网络的工作原理，移动端友好。可用于神经网络学习与教学。
图1 - Hello World
图2 - 架构图
- TensorFlow.js 改变游戏规则的深度学习框架（最近发布了1.0版本）。
- YOLO “没朋友”的深度学习模型。
- React T0级别前端框架。
- React-toolbox React组件框架。
- TensorSpace 神经网络3D可视化框架。
PS.
YOLO作者小马哥关于YOLOv3的论文非常深入浅出，他的个人简历也非常抓人眼球
- 环顾立体网络
图3 - 左键推拽旋转网络
- 平移网络
图4 - 右键拖拽平移网络
- 开近拉远3D场景
图5 - 滑动滚轮或双指在触摸板上滑动对场景进行放大缩小
- 观察神经网络特性
图6 - 从网络中可以观察到：结构、特征图、数据流动方向等特性
- 切换预测数据
图7 - 点击“新的超越”，输入不同的图片进行检测
- 清空并重置网络
图8 - 点击“我想静静”重置
- 移动端友好
图9 - 手机端演示
Thanks goes to these wonderful people (emoji key):
 syt123450 💻 🎨 📖 💡 |
|---|
若有任何疑问建议，欢迎通过以下方式交流：
- ccyyycy/ycy 仓库 issue
- 在本仓库创建一个新的issue
- Email: syt123450@gmail.com
- 使用最宽松的 MIT 协议，在 fork 仓库之后，可以对 fork 仓库中的代码为所欲为。
- 如果有一天它变成别的协议了（比如 GLP 等），那么应该是被盗号了，我会尽快向 Github 申诉。
如果希望将这个项目作为一个组件加到自己的网站中，不妨试试以下三种方式：
-
跳转：现在应用有一个固定的域名 https://ycy-neuralnetwork3d.com，目测路由方式不会变，可以使用这个域名进行跳转。不过不保证今后有一天重构将它修改了？所以如果需要跳转的话，最好能够不时戳一下这个链接，确认是否还
活着。 -
iframe：不少站长都不喜欢跳转到外链，这个应用是单页面，且页面中没有向外跳转和挖矿代码，可以看做一个隔离的沙盒，所以可以放心使用iframe嵌入。
-
抽离组件：如果对性能有所要求，觉得iframe造成了性能瓶颈，那么看一下源码也许是个不错的选择？为了方便有这个意向的童鞋快速找到想要的部分，在这里列出了这个项目中最核心的两个部分，希望能有助于快速定位：
- 第一步： clone 项目
git clone https://github.com/syt123450/ycy-detection-3d.git- 第二步：安装依赖，确保已预先安装了
yarn
yarn- 第三步：本地启动程序
yarn start- 第四步：浏览器中输入
http://localhost:3000，通过 3000 端口查看
- 抛砖引玉，期待有更多有趣的项目。
- 如果有有趣的想法，欢迎在 issue 中提出讨论。
- 如果在代码或文档中有不足的地方，欢迎PR。