Joan León PRO
⚡️ Web Performance Consultant | Speaker | Staff Frontend Engineer at @AdevintaSpain | @GoogleDevExpert in #WebPerf | @cloudinary Ambassador
Original | 185Kb
4:2:1 | 183Kb
4:2:0 | 172Kb
Original | 171Kb
4:2:1 | 164Kb
4:2:0 | 156Kb
4:2:0 | blur 1x1 | 136Kb
4:2:0 | 156Kb
Im2Txt by Google.
Im2Txt or, the Show and Tell model, is a deep neural network that learns how to describe the content of images.
YOLO by Redmon, Joseph and Farhadi, Ali.
You only look once (YOLO) is a state-of-the-art, real-time object detection system that can run on images or videos.
$ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
layer filters size input output
0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs
1 conv 64 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BFLOPs
.......
105 conv 255 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 255 0.754 BFLOPs
106 yolo
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 17.682495 seconds.
bicycle: 99%
truck: 92%
dog: 100%
COCO: Common Objects in Context by Microsoft.
Original | 247Kb
4:2:0 | blur 0.5 | 104Kb
{
"format": "jpg",
"actions": [
{
"blur_areas": [
{
"width": 400,
"top": 100,
"height": 400,
"sigma": 10,
"left": 500
}
]
},
{
"resize": {
"width": 300,
"fit": {
"type": "clip"
}
}
}
],
"version": "2017-06",
"quality": 90
}
The advantages of Progressive JPEGs
The advantages of Progressive JPEGs
The disadvantages of Progressive JPEGs
Progressive JPEGs can be slower to decode than baseline JPEGs.
Progressive JPEGs are also not always smaller.
Some users may consider progressive loading to be a disadvantage.
⏳
Original | 766Kb
jpeg-recompress
Quality 80 | 550Kb | 1.619s
Quality 70 | 378Kb | 1.241s
Original | 766Kb
convert (ImageMagick)
Quality 80 | 712Kb | 0.342s
Quality 70 | 535Kb | 0.277s
Original | 766Kb
MozJPEG
Quality 80 | 633Kb | 1.215s
Quality 70 | 378Kb | 0.808s
Original | 766Kb
Guetzli
Quality 90 | 705Kb | 3m 58.52s
Quality 84 | 639Kb | 4m 3.33s
⏳
Imagemin + plugins
Imagemin + plugins
Imagemin + WebP
The Structural Similarity
Tools for measuring perceived differences between images
SSIM
Butteraugli
Photo
Portrait
Original | 3,0Mb
Bokeh effect | 2,2Mb
OnePlus
Original | 2,5Mb
Bokeh effect | 6,6Mb
Huawei
No bokeh or blur
Synthetic bokeh
Gaussian blur
Chroma Subsampling
Using the <picture> Tagpicture
Follow José Manuel Perez
Engineer at @Spotify and Web Perf geek
Joan León
#Javascript
#CSS
#PostCSS
#Animation
#SVG
#Performance
By Joan León
Como profesionales del desarrollo web, nos procupamos de las buenas prácticas en Javascript y CSS, de la semántica en HTML, de la accesibilidad de nuestro contenido, pero ¿qué pasa con la imágenes? Las imágenes representan hasta el 60% del contenido de los sites, desde julio de 2017 en un site promedio de 3.0Mb, 1.7Mb son imágenes. Ahora que sabemos que deberíamos dedicar tiempo a optimizar las imágenes, veamos los diferentes niveles de optimización, cómo automatizarlos y cómo con la ayuda del Machine Learning conseguir reducir un 15-17% el peso de algunas imágenes. En esta charla veremos herramientas para el análisis de las imágenes, la optimización, la validación (aka Tests) y cómo reducir el peso de alguna imágenes con la ayuda del reconocimiento de objetos con Machine Learning. Un frontend hablando de Machine Learning, ¿qué puede salir mal? 🤗