Tensorflow Lite Posenet Demo

Estymacja Tensorflow Lite Posenet lub Pose to zadanie polegające na wykorzystaniu modelu ML do oszacowania pozy osoby na podstawie obrazu lub wideo poprzez oszacowanie przestrzennej lokalizacji kluczowych stawów ciała (punktów kluczowych).

Oszacowanie pozycji odnosi się do technik widzenia komputerowego, które wykrywają postacie ludzkie na obrazach i filmach, dzięki czemu można na przykład określić, gdzie na obrazie pojawia się czyjeś łokieć. Ważne jest, aby zdawać sobie sprawę z faktu, że oszacowanie pozowania jedynie szacuje, gdzie znajdują się kluczowe stawy ciała i nie rozpoznaje, kto jest na zdjęciu lub wideo.

Model PoseNet pobiera przetworzony obraz z kamery jako dane wejściowe i wyprowadza informacje o punktach kluczowych. Wykryte punkty kluczowe są indeksowane przez identyfikator części, z wynikiem ufności między 0,0 a 1,0. Wynik ufności wskazuje prawdopodobieństwo, że punkt kluczowy istnieje w tej pozycji.

Testy wydajności

Wydajność różni się w zależności od urządzenia i kroku wyjściowego (mapy cieplne i wektory przesunięcia). Model PoseNet jest niezmienny w rozmiarze obrazu, co oznacza, że ​​może przewidywać pozycje ułożenia w tej samej skali, co oryginalny obraz, niezależnie od tego, czy obraz jest przeskalowany w dół. Oznacza to, że konfigurujesz model tak, aby miał wyższą dokładność kosztem wydajności.

Wartość wyjściowa określa, jak bardzo wynik jest skalowany w dół w stosunku do rozmiaru obrazu wejściowego. Wpływa na rozmiar warstw i wyniki modelu.

Im wyższy krok wyjściowy, tym mniejsza rozdzielczość warstw w sieci i wyjściach, a co za tym idzie, ich dokładność. W tej implementacji krok wyjściowy może mieć wartości 8, 16 lub 32. Innymi słowy, krok wyjściowy 32 zapewni najszybszą wydajność, ale najmniejszą dokładność, podczas gdy 8 da najwyższą dokładność, ale najwolniejsze działanie. Zalecana wartość początkowa to 16.