Tensorflow Lite Posenet Demo

Estimasi Tensorflow Lite Posenet atau Pose adalah tugas menggunakan model ML untuk memperkirakan pose seseorang dari gambar atau video dengan memperkirakan lokasi spasial dari sendi tubuh utama (titik tombol).

Estimasi pose mengacu pada teknik computer vision yang mendeteksi sosok manusia dalam gambar dan video, sehingga seseorang dapat menentukan, misalnya, di mana siku seseorang muncul dalam sebuah gambar. Penting untuk menyadari fakta bahwa estimasi pose hanya memperkirakan di mana sendi tubuh utama berada dan tidak mengenali siapa yang ada dalam gambar atau video.

Model PoseNet mengambil gambar kamera yang diproses sebagai input dan output informasi tentang keypoints. Titik kunci yang terdeteksi diindeks oleh ID bagian, dengan skor keyakinan antara 0,0 dan 1,0. Skor kepercayaan menunjukkan kemungkinan adanya titik kunci pada posisi tersebut.

Tolok ukur kinerja
Performa bervariasi berdasarkan perangkat dan langkah keluaran Anda (peta panas dan vektor offset). Model PoseNet adalah invarian ukuran gambar, yang berarti model ini dapat memprediksi posisi pose dalam skala yang sama dengan gambar asli terlepas dari apakah gambar tersebut diturunkan skalanya. Ini berarti Anda mengonfigurasi model agar memiliki akurasi yang lebih tinggi dengan mengorbankan kinerja.

Langkah keluaran menentukan seberapa besar keluaran diperkecil relatif terhadap ukuran gambar masukan. Ini mempengaruhi ukuran lapisan dan keluaran model.

Semakin tinggi langkah keluaran, semakin kecil resolusi lapisan dalam jaringan dan keluaran, dan juga keakuratannya. Dalam implementasi ini output stride dapat memiliki nilai 8, 16, atau 32. Dengan kata lain, output stride 32 akan menghasilkan performa tercepat namun akurasi terendah, sedangkan 8 akan menghasilkan akurasi tertinggi namun performa paling lambat. Nilai awal yang direkomendasikan adalah 16.