【文件属性】：
文件名称：AI篮球分析：AI Web应用程序和API分析篮球投篮和投篮姿势
文件大小：255.84MB
文件格式：ZIP
更新时间：2021-02-01 11:20:44
api machine-learning computer-vision deep-learning tensorflow
:basketball: 通过机器学习分析篮球射击和投篮姿势！
这是一个基于对象检测概念的人工智能应用程序。 通过挖掘从物体检测收集的数据来分析篮球投篮。 我们可以通过简单地将文件上传到Web App或向API提交POST请求来获得结果。 请检查以下。 还有更多功能！ 随时关注。
用于拍摄姿势分析的所有数据都是通过实施计算的。 请注意，这是仅用于非商业研究的实现。 请阅读，该与。
如果您对人体姿态估计的概念感兴趣，我已经写了OpenPose 。 看看这个！
入门
这些说明将为您提供在本地计算机上运行的项目的副本。
取得副本
只需运行git clone命令即可获得该项目的副本。
git clone https://github.com/chonyy/AI-basketball-analysis.git
先决条件
在运行项目之前，我们必须从requirements.txt安装所有依赖项
pip install -r requirements.txt
请注意，您需要具有正确CUDA设置的GPU才能运行视频分析，因为需要CUDA设备才能运行OpenPose。
代管
最后，使用一个命令将
【文件预览】：
AI-basketball-analysis-master
----Aptfile(41B)
----app.py(4KB)
----src()
--------config.py(179B)
--------utils.py(18KB)
--------app_helper.py(4KB)
----requirements.txt(174B)
----.travis.yml(45B)
----LICENSE(9KB)
----inference_graph()
--------frozen_inference_graph.pb(49.79MB)
----Procfile(46B)
----README.md(6KB)
----templates()
--------index.html(4KB)
--------shot_detection.html(3KB)
--------result.html(4KB)
--------shooting_analysis.html(1KB)
--------layout.html(3KB)
----.gitignore(2KB)
----static()
--------uploads()
--------img()
--------detections()
--------css()
----OpenPose()
--------models()
--------Release()
--------openpose()