Tensorflow Lite Posenet Demo

ٹینسر فلو لائٹ پوزنٹ یا پوزیشن کا تخمینہ ایم ایل ماڈل کا استعمال کسی جسم یا جسم سے اہم جسم کے جوڑ (کلیدی نقطہ) کے مقامی مقامات کا اندازہ کرکے کسی ویڈیو یا ویڈیو سے لاحق ہونے کا اندازہ لگانا ہے۔

پوزیشن کا تخمینہ کمپیوٹر کی بینائی کی تکنیک سے ہوتا ہے جو تصاویر اور ویڈیوز میں انسانی اعداد و شمار کا پتہ لگاتا ہے ، تاکہ کوئی اس کا تعین کرسکے ، مثال کے طور پر ، جہاں کسی کی کہنی تصویر میں دکھائی دیتی ہے۔ اس حقیقت سے بخوبی واقف ہونا ضروری ہے کہ صرف تخمینہ لگانے سے اندازہ ہوتا ہے کہ جسم کے اہم جوڑ کہاں ہیں اور نہیں پہچانتے ہیں کہ تصویر یا ویڈیو میں کون ہے۔

پوزنیٹ ماڈل ایک پروسیسڈ کیمرا امیج کو ان پٹ کے طور پر لیتا ہے اور اہم نکات کے بارے میں معلومات کو آؤٹ پٹ کرتا ہے۔ معلوم شدہ اہم نکات 0.0 اور 1.0 کے درمیان اعتماد اسکور کے ساتھ پارٹ ID کے ذریعہ ترتیب دیئے جاتے ہیں۔ اعتماد کا سکور اس امکان پر دلالت کرتا ہے کہ اس پوزیشن میں ایک اہم عہد حاضر موجود ہے۔

کارکردگی کے معیارات

کارکردگی آپ کے آلے اور آؤٹ پٹ ٹول (ہیٹ میپس اور آفسیٹ ویکٹر) کی بنیاد پر مختلف ہوتی ہے۔ پوزنیٹ ماڈل شبیہہ سائز ناگوار ہے ، جس کا مطلب ہے کہ وہ اسی تصویر میں پوزیشن کی پیش گوئی کر سکتی ہے جس کی اصل تصویر کی طرح اس تصویر سے قطع نظر اس تصویر کو بند کردیا گیا ہے۔ اس کا مطلب یہ ہے کہ آپ کارکردگی کی قیمت پر ماڈل کو اعلی درستگی کے ل config تشکیل دیتے ہیں۔

آؤٹ پٹ سلائڈ یہ طے کرتی ہے کہ ان پٹ امیج سائز کے مقابلہ میں کتنا آؤٹ پٹ اسکیل کیا جاتا ہے۔ یہ تہوں کے سائز اور ماڈل کے نتائج کو متاثر کرتا ہے۔

آؤٹ پٹ کی رفتار جتنی زیادہ ہوگی ، نیٹ ورک اور آؤٹ پٹس میں پرتوں کی ریزولوشن اتنی ہی کم ہوگی ، اور اسی کے مطابق ان کی درستگی بھی ہوگی۔ اس عمل میں ، آؤٹ پٹ سلائڈ میں 8 ، 16 ، یا 32 کی اقدار ہوسکتی ہیں۔ دوسرے الفاظ میں ، 32 کا آؤٹ پٹ تیز رفتار کارکردگی کا مظاہرہ کرے گا لیکن سب سے کم درستگی ، جبکہ 8 کے نتیجے میں سب سے زیادہ درستگی لیکن آہستہ کارکردگی ہوگی۔ تجویز کردہ ابتدائی قیمت 16 ہے۔