文件名称：颜色分类leetcode-depthai_movenet:DepthAI上的MoveNet单姿势
文件大小：50.78MB
文件格式：ZIP
更新时间：2024-07-26 17:00:59
系统开源
颜色分类leetcode DepthAI 上的 MoveNet 单姿态跟踪 在硬件（OAK-1、OAK-D 等）上运行 Google MoveNet Single Pose 模型。 在 RGB 图像上运行并预测单个人的卷积神经网络模型。 两种变体：Lightning 和 Thunder，后者更慢但更准确。 当输入是一系列帧时，MoveNet 使用基于前一帧检测的智能裁剪。 这允许模型将注意力和资源集中在主要主题上，从而在不牺牲速度的情况下获得更好的预测质量。 对于 OpenVINO 上的 MoveNet，请访问： 架构：主机模式 vs 边缘模式 裁剪算法根据第 N 帧中检测到的身体确定将在第 N+1 帧的哪个区域运行推理。 模式（主机或边缘）描述了该算法运行的位置： 在主机模式下，裁剪算法在主机 CPU 上运行。 仅此模式允许图像或视频文件作为输入。 主机和设备之间的信息流是双向的：特别是主机向设备发送帧或裁剪指令； 在边缘模式下，裁剪算法在 MyriadX 上运行。 因此，在这种模式下，MoveNet 的所有功能块（推理、确定下一帧的裁剪区域、裁剪）都在设备上执行。 唯一交换的信息是
【文件预览】：
depthai_movenet-main
----MovenetRenderer.py(2KB)
----requirements.txt(178B)
----MovenetDepthai.py(19KB)
----MovenetDepthaiEdge.py(13KB)
----models()
--------movenet_singlepose_thunder_U8_transpose.blob(18.9MB)
--------movenet_singlepose_lightning_U8_transpose.blob(8.45MB)
----FPS.py(1KB)
----template_processing_script.py(6KB)
----examples()
--------semaphore_alphabet()
--------yoga_pose_recognition()
----README.md(7KB)
----demo.py(2KB)
----img()
--------movenet_nodes.png(58KB)
--------dance.gif(13.91MB)