Tensorflow Lite Posenet Demo

Tensorflow Lite姿勢網或姿勢估計是使用ML模型通過估計關鍵人體關節（關鍵點）的空間位置來從圖像或視頻估計人的姿勢的任務。

姿勢估計是指計算機視覺技術，可以檢測圖像和視頻中的人物，以便例如確定某人的肘部出現在圖像中的位置。重要的是要意識到以下事實：姿勢估計僅估計關鍵人體關節的位置，而不能識別圖像或視頻中的人物。

PoseNet模型將經過處理的攝像機圖像作為輸入，並輸出有關關鍵點的信息。檢測到的關鍵點由零件ID索引，置信度得分在0.0到1.0之間。置信度得分錶示關鍵點存在於該位置的概率。

績效基準

性能因設備和輸出步幅（熱圖和偏移矢量）而異。 PoseNet模型的圖像大小不變，這意味著它可以預測與原始圖像相同比例的姿勢位置，而不管圖像是否縮小。這意味著您將模型配置為具有較高的準確性，但會降低性能。

輸出步幅決定了輸出相對於輸入圖像大小按比例縮小的程度。它影響層的大小和模型輸出。

輸出步幅越高，網絡和輸出中各層的分辨率越小，相應地其精度也就越低。在此實現中，輸出步幅可以具有8、16或32的值。換句話說，輸出步幅32將導致最快的性能但最低的精度，而8將導致最高的精度但最慢的性能。推薦的起始值為16。