Tensorflow Lite Posenet Demo

টেনসরফ্লো লাইট পোসনেট বা পোজ অনুমানের কাজটি কোনও ইমেল মডেল ব্যবহার করে কোনও ব্যক্তির ভঙ্গিটি কী শরীরের জয়েন্টগুলির (কীপয়েন্টগুলি) স্থানিক অবস্থানগুলি অনুমান করে একটি চিত্র বা ভিডিও থেকে অনুমান করা যায় mate

ভঙ্গ অনুমানটি কম্পিউটার দৃষ্টিভঙ্গির কৌশলগুলিকে বোঝায় যা চিত্র এবং ভিডিওতে মানুষের চিত্রগুলি সনাক্ত করে, যাতে এটি নির্ধারণ করতে পারে উদাহরণস্বরূপ, যেখানে কারও কনুই একটি চিত্রতে প্রদর্শিত হয়। এই সত্যটি সম্পর্কে সচেতন হওয়া গুরুত্বপূর্ণ যে অনুমানের ধারণাটি কেবল অনুমান করে যে মূল দেহের জয়েন্টগুলি কোথায় এবং কোনও চিত্র বা ভিডিওতে কে আছে তা সনাক্ত করতে পারে না।

পোসনেট মডেলটি ইনপুট হিসাবে একটি প্রক্রিয়াজাত ক্যামেরা চিত্র গ্রহণ করে এবং কী-পয়েন্টগুলি সম্পর্কে তথ্য আউটপুট করে। চিহ্নিত কীগুলি পয়েন্টগুলি 0.0 এবং 1.0 এর মধ্যে একটি আত্মবিশ্বাস স্কোর সহ একটি পার্ট আইডি দ্বারা সূচিযুক্ত হয়। আত্মবিশ্বাস স্কোর সম্ভাব্যতার ইঙ্গিত দেয় যে একটি অবস্থানে একটি কীপয়েন্ট রয়েছে।

পারফরম্যান্স মানদণ্ড

পারফরম্যান্স আপনার ডিভাইস এবং আউটপুট স্ট্রাইড (হিটম্যাপস এবং অফসেট ভেক্টর) এর উপর ভিত্তি করে পরিবর্তিত হয়। পোসনেট মডেলটি চিত্রের আকারের আগমনকারী, যার অর্থ এটি চিত্রের আওতাভুক্ত কিনা তা নির্বিশেষে মূল চিত্রের মতো একই স্কেলে অবস্থানের পূর্বাভাস দিতে পারে। এর অর্থ হল যে আপনি পারফরম্যান্স ব্যয় করে মডেলটিকে উচ্চতর নির্ভুলতা তৈরি করতে কনফিগার করেছেন।

আউটপুট স্ট্রাইড নির্ধারণ করে যে ইনপুট চিত্রের আকারের তুলনায় আউটপুট কত পরিমাণে কমিয়ে আনা হবে। এটি স্তরগুলির আকার এবং মডেল আউটপুটগুলিকে প্রভাবিত করে।

আউটপুট স্ট্রাইড যত বেশি হবে নেটওয়ার্ক এবং আউটপুটগুলিতে স্তরগুলির রেজোলিউশন তত কম এবং যথাযথভাবে তাদের যথার্থতা। এই বাস্তবায়নে, আউটপুট স্ট্রাইডের মান 8, 16 বা 32 এর মান থাকতে পারে other অন্য কথায়, 32 এর আউটপুট স্ট্রিডটি দ্রুততম পারফরম্যান্সের সাথে স্বল্পতম নির্ভুলতার ফলস্বরূপ প্রদর্শিত হবে, 8 এর ফলে সর্বোচ্চ নির্ভুলতা তবে সবচেয়ে ধীর পারফরম্যান্স হবে। প্রস্তাবিত আরম্ভের মান 16 হয়।