Tensorflow Lite Posenet Demo

ਟੈਨਸਰਫਲੋ ਲਾਈਟ ਪੋਸਨੇਟ ਜਾਂ ਪੋਜ਼ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਇੱਕ ਐਮਐਲ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਕਿਸੇ ਵਿਅਕਤੀ ਦੁਆਰਾ ਇੱਕ ਚਿੱਤਰ ਜਾਂ ਵੀਡੀਓ ਤੋਂ ਮਹੱਤਵਪੂਰਣ ਸਰੀਰ ਦੇ ਜੋੜਾਂ (ਕੀਪੁਆਇੰਟਸ) ਦੇ ਸਥਾਨਿਕ ਸਥਾਨਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਲਗਾਉਣ ਲਈ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਹੈ.

ਪੋਜ਼ ਅੰਦਾਜ਼ਾ ਕੰਪਿ computerਟਰ ਵਿਜ਼ਨ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ ਜੋ ਚਿੱਤਰਾਂ ਅਤੇ ਵਿਡੀਓਜ਼ ਵਿੱਚ ਮਨੁੱਖੀ ਅੰਕੜਿਆਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਤਾਂ ਜੋ ਕੋਈ ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਸਕੇ, ਉਦਾਹਰਣ ਵਜੋਂ, ਜਿੱਥੇ ਕਿਸੇ ਦੀ ਕੂਹਣੀ ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ. ਇਸ ਤੱਥ ਤੋਂ ਜਾਣੂ ਹੋਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਕੇਵਲ ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਸਰੀਰ ਦੇ ਮੁੱਖ ਜੋੜ ਕਿੱਥੇ ਹਨ ਅਤੇ ਇਹ ਨਹੀਂ ਪਛਾਣਦੇ ਕਿ ਚਿੱਤਰ ਜਾਂ ਵੀਡੀਓ ਵਿਚ ਕੌਣ ਹੈ.

ਪੋਜ਼ਨੇਟ ਮਾੱਡਲ ਇੱਕ ਪ੍ਰੋਸੈਸਡ ਕੈਮਰਾ ਚਿੱਤਰ ਨੂੰ ਇੰਪੁੱਟ ਦੇ ਰੂਪ ਵਿੱਚ ਲੈਂਦਾ ਹੈ ਅਤੇ ਕੁੰਜੀ ਬਿੰਦੂਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ. ਖੋਜੇ ਗਏ ਕੁੰਜੀਆਂ ਨੂੰ ਪਾਰਟ ਆਈਡੀ ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿਚ 0.0 ਅਤੇ 1.0 ਦੇ ਵਿਚਾਲੇ ਭਰੋਸੇ ਦਾ ਸਕੋਰ ਹੁੰਦਾ ਹੈ. ਭਰੋਸੇ ਦਾ ਸਕੋਰ ਇਸ ਸੰਭਾਵਨਾ ਨੂੰ ਸੰਕੇਤ ਕਰਦਾ ਹੈ ਕਿ ਉਸ ਸਥਿਤੀ ਵਿੱਚ ਇੱਕ ਕੁੰਜੀ ਮੌਜੂਦ ਹੈ.

ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਮਾਪਦੰਡ

ਪ੍ਰਦਰਸ਼ਨ ਤੁਹਾਡੇ ਡਿਵਾਈਸ ਅਤੇ ਆਉਟਪੁਟ ਸਟ੍ਰਾਈਡ (ਹੀਟਮੈਪਸ ਅਤੇ setਫਸੈੱਟ ਵੈਕਟਰਾਂ) ਦੇ ਅਧਾਰ ਤੇ ਬਦਲਦਾ ਹੈ. ਪੋਜ਼ਨੇਟ ਮਾੱਡਲ ਚਿੱਤਰ ਅਕਾਰ ਦਾ ਹਮਲਾਵਰ ਹੈ, ਜਿਸਦਾ ਅਰਥ ਹੈ ਕਿ ਇਹ ਉਸੇ ਹੀ ਪੈਮਾਨੇ 'ਤੇ ਪੋਜ਼ ਪੋਜ਼ੀਸ਼ਨਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਅਸਲ ਚਿੱਤਰ ਦੇ ਰੂਪ ਵਿਚ, ਚਾਹੇ ਚਿੱਤਰ ਨੂੰ ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ. ਇਸਦਾ ਅਰਥ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਖਰਚੇ ਤੇ ਉੱਚ ਸ਼ੁੱਧਤਾ ਲਈ ਮਾਡਲ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਦੇ ਹੋ.

ਆਉਟਪੁਟ ਸਟ੍ਰਾਈਡ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਇਨਪੁਟ ਚਿੱਤਰ ਅਕਾਰ ਦੇ ਅਨੁਸਾਰ ਆਉਟਪੁੱਟ ਕਿੰਨੀ ਘੱਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਇਹ ਪਰਤਾਂ ਦੇ ਆਕਾਰ ਅਤੇ ਮਾੱਡਲ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ.

ਆਉਟਪੁੱਟ ਦੀ ਸਟਾਈਡ ਜਿੰਨੀ ਉੱਚੀ ਹੋਵੇਗੀ, ਨੈਟਵਰਕ ਵਿਚ ਪਰਤਾਂ ਦਾ ਰੈਜ਼ੋਲੂਸ਼ਨ ਛੋਟਾ ਹੋਵੇਗਾ ਅਤੇ ਆਉਟਪੁੱਟ, ਅਤੇ ਇਸਦੇ ਅਨੁਸਾਰ ਉਨ੍ਹਾਂ ਦੀ ਸ਼ੁੱਧਤਾ. ਇਸ ਸਥਾਪਨਾ ਵਿੱਚ, ਆਉਟਪੁੱਟ ਸਟ੍ਰਾਈਡ ਵਿੱਚ 8, 16, ਜਾਂ 32 ਦੇ ਮੁੱਲ ਹੋ ਸਕਦੇ ਹਨ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, 32 ਦੀ ਆਉਟਪੁੱਟ ਸਾਈਡ ਦਾ ਨਤੀਜਾ ਸਭ ਤੋਂ ਤੇਜ਼ ਪ੍ਰਦਰਸ਼ਨ ਪਰ ਸਭ ਤੋਂ ਘੱਟ ਸ਼ੁੱਧਤਾ ਦਾ ਹੋਵੇਗਾ, ਜਦੋਂ ਕਿ 8 ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਸਭ ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਪਰ ਹੌਲੀ ਕਾਰਗੁਜ਼ਾਰੀ ਹੋਵੇਗੀ. ਸਿਫਾਰਸ਼ ਕੀਤੀ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ 16 ਹੈ.