Tensorflow Lite Posenet Demo

Tensorflow Lite Posenet 또는 포즈 추정은 ML 모델을 사용하여 주요 신체 관절 (키포인트)의 공간 위치를 추정하여 이미지 또는 비디오에서 사람의 포즈를 추정하는 작업입니다.

포즈 추정은 이미지와 동영상에서 사람의 모습을 감지하는 컴퓨터 비전 기술을 의미합니다. 예를 들어 이미지에서 누군가의 팔꿈치가 나타나는 위치를 파악할 수 있습니다. 포즈 추정은 신체의 핵심 관절이 어디에 있는지 추정 할뿐 이미지 나 비디오에 누가 있는지 인식하지 못한다는 사실을 인식하는 것이 중요합니다.

PoseNet 모델은 처리 된 카메라 이미지를 입력으로 사용하고 키포인트에 대한 정보를 출력합니다. 감지 된 키포인트는 0.0에서 1.0 사이의 신뢰도 점수로 부품 ID로 인덱싱됩니다. 신뢰도 점수는 해당 위치에 키포인트가 존재할 확률을 나타냅니다.

성능 벤치 마크
성능은 장치 및 출력 보폭 (히트 맵 및 오프셋 벡터)에 따라 다릅니다. PoseNet 모델은 이미지 크기가 변하지 않으므로 이미지가 축소되었는지 여부에 관계없이 원본 이미지와 동일한 배율로 포즈 위치를 예측할 수 있습니다. 즉, 성능을 희생하면서 더 높은 정확도를 갖도록 모델을 구성합니다.

출력 보폭은 입력 이미지 크기에 비해 출력이 축소되는 정도를 결정합니다. 레이어의 크기와 모델 출력에 영향을줍니다.

출력 보폭이 높을수록 네트워크 및 출력 레이어의 해상도와 그에 따른 정확도가 낮아집니다. 이 구현에서 출력 보폭은 8, 16 또는 32의 값을 가질 수 있습니다. 즉, 출력 보폭이 32이면 성능이 가장 빠르지 만 정확도가 가장 낮고 8은 정확도가 가장 높지만 성능이 가장 느립니다. 권장 시작 값은 16입니다.