基于PoseNet的神经网络结构

218 阅读 0 评论 144 点赞

我是靠谱客的博主美丽海燕，这篇文章主要介绍基于PoseNet的神经网络结构，现在分享给大家，希望可以做个参考。

Posenet 是一种实时姿势检测技术，你可以使用它检测图像或视频中的人类姿势。它在两种情况下都可以作为单模式（单个人体姿势检测）和多姿势检测（多个人体姿势检测）工作。

简单来说，Posenet 是一个深度学习 TensorFlow 模型，它允许你通过检测肘部、臀部、手腕、膝盖、脚踝等身体部位来估计人体姿势，并通过连接这些点形成姿势的骨架结构。

PoseNet 接受过 MobileNet 架构训练。MobileNet 是谷歌开发的卷积神经网络，在 ImageNet 数据集上训练，主要用于类别中的图像分类和目标估计。它是一个轻量级模型，它使用深度可分离卷积来加深网络并减少参数、计算成本并提高准确性。

预训练模型在浏览器中运行，这就是 posenet 与其他依赖API 的库的区别。因此，在笔记本电脑/台式机中配置有限的任何人都可以轻松使用此类模型并构建良好的项目。

Posenet 为我们提供了总共 17 个我们可以使用的关键点：

1.鼻子 2.左眼 3.右眼 4.左耳 5.右耳 6.左肩 7.右肩 8.左肘 9.右肘 10.左手腕 11.右手腕 12.左髋 13.右髋 14.左膝 15.右膝 16.左脚踝 17.右脚踝

以上就是美丽海燕最近收集整理的关于基于PoseNet的神经网络结构的全部内容，更多相关基于PoseNet内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。