Используем https://www.tensorflow.org/js/ https://www.npmjs.com/package/@tensorflow/tfjs (в репозиторий добавлено)

Надо сделать простейший класс входных данных товар - это название классификатор и товар.

Классификаторы и модель действий берем из обучающей выборки https://github.com/akumidv/GDG_KHV_TF_Workshop она на основе https://www.tensorflow.org/tutorials/keras/classification?hl=ru размеченных изображений одежды. В датасете Fashion-MNIST https://github.com/zalandoresearch/fashion-mnist 10 типов одежды и обуви, их включаем в предсохраненные объекты

Метаданные товара (заведены):

• id
• название
• изображение
• классификатор справочник ссылочное:
  • код классификаци
  • имя
• логическое - верифицирован оператором, значение по умолчанию false

Суть работы приложения:

• создаем объект товара
• вводим его имя
• загружаем изображение.
• соханяем товар, при сохранении вызывается обработчик по распознаванию загруженного изображения проставляющий классификатор товара используя TensorFlow

Также сделать кнопку в режиме редактирования для вызова и перклассификации объекта. При переклассификации логическое верифицирован оператором становится false.

После готовности - можно сделать вторую стадию - переобучать модель на основе размещенных данных - это кнопка в списке товаров:

• прогоняем все объекты у которых есть логическое поле размечен оператором
• формируем новую модель. Если такая модель есть в приложении используем её, если нет инициализирующу модель по умолчанию из Fashion-MNIST
• также делаем кнопку перераспознать все объекты на выборке - она сбрасывает флаг подтверждено оператором, если классификатор изменился. У этой кнопки ограничение 50 объектов первых. Параметр должен задаваться в деплой и в конфиге.

Метаданные товара:

• id
• название
• изображение
• классификатор справочник ссылочное:
  • код классификаци
  • имя
• логическое - верифицирован оператором, значение по умолчанию false

После осмысления первой итерации в #3 решили доводить приложение в более универсальную сторону формирования датасет и обучения моделей. Т.е. из распознавания

в формирование набора данных классифицированного.

Соответственно доработка метаданных:

1. goods - добавляем атрибут чем является загруженный объект - частью датасета для обучения, для проверки или распознаваемым товаром - выпадающий список или логические атрибуты.
2. добавялем к полю исходного ихображения поле с нормированным изображением
3. добавляем к объекту действие - нормирование - берет исходное изображение и сохраняет нормированное, проставляет логический атрибут возможности обучения, если параметры соответствуют, если нет значение false (значение по умолчанию, оператором изменить нельзя)
4. К полю загружаемого объекта подключаем простейший редактор - для кадрирования изображения - ОТДЕЛЬНАЯ ЗАДАЧА.
5. В параметрах деплой задаем размеры картинок к которым нормируем.
6. Создаем класс - обучение. В этом классе кнопку - обучить модель - соответственно на основе данных для обучения проводится обучение модели. Обученная модель сохраняется в объекте класса! У класса атрибуты - параметры тенсозор флоу - т.е. их берем не с деплой а с модели.
7. Модифицируем кнопку TensorFlow Process - распознавание на основе ссылки на модель обучения - т.е. уезжает в класс связку.
   8 Создаем коллекцию обучений - промежуточный класс - связывающий товар и выбранную модель для обучения. В нём делаем кнопку распознать.

В отдельный репозиторий?