मूवनेट: अल्ट्रा फास्ट और सटीक पोज डिटेक्शन मॉडल।

TensorFlow.org पर देखें Google Colab में चलाएं गिटहब पर देखें नोटबुक डाउनलोड करें TF हब मॉडल देखें

MoveNet एक अति तेज़ और सटीक मॉडल है कि एक शरीर के 17 keypoints पता लगाता है। मॉडल पर की पेशकश की है TF हब दो वेरिएंट, बिजली और गर्जन के रूप में जाना के साथ। लाइटनिंग विलंबता-महत्वपूर्ण अनुप्रयोगों के लिए अभिप्रेत है, जबकि थंडर उन अनुप्रयोगों के लिए अभिप्रेत है जिन्हें उच्च सटीकता की आवश्यकता होती है। दोनों मॉडल अधिकांश आधुनिक डेस्कटॉप, लैपटॉप और फोन पर वास्तविक समय (30+ एफपीएस) की तुलना में तेजी से चलते हैं, जो लाइव फिटनेस, स्वास्थ्य और कल्याण अनुप्रयोगों के लिए महत्वपूर्ण साबित होता है।

चित्रकारी

* Pexels से डाउनलोड छवियाँ ( https://www.pexels.com/ )

यह कोलाब आपको मूवनेट को लोड करने के तरीके के बारे में बताता है, और नीचे दिए गए इनपुट इमेज और वीडियो पर इंट्रेंस चलाता है।

मूवनेट के साथ मानव मुद्रा अनुमान

विज़ुअलाइज़ेशन लाइब्रेरी और आयात

pip install -q imageio
pip install -q opencv-python
pip install -q git+https://github.com/tensorflow/docs
import tensorflow as tf
import tensorflow_hub as hub
from tensorflow_docs.vis import embed
import numpy as np
import cv2

# Import matplotlib libraries
from matplotlib import pyplot as plt
from matplotlib.collections import LineCollection
import matplotlib.patches as patches

# Some modules to display an animation using imageio.
import imageio
from IPython.display import HTML, display

विज़ुअलाइज़ेशन के लिए सहायक कार्य

TF हब से मॉडल लोड करें

model_name = "movenet_lightning"

if "tflite" in model_name:
  if "movenet_lightning_f16" in model_name:
    !wget -q -O model.tflite https://tfhub.dev/google/lite-model/movenet/singlepose/lightning/tflite/float16/4?lite-format=tflite
    input_size = 192
  elif "movenet_thunder_f16" in model_name:
    !wget -q -O model.tflite https://tfhub.dev/google/lite-model/movenet/singlepose/thunder/tflite/float16/4?lite-format=tflite
    input_size = 256
  elif "movenet_lightning_int8" in model_name:
    !wget -q -O model.tflite https://tfhub.dev/google/lite-model/movenet/singlepose/lightning/tflite/int8/4?lite-format=tflite
    input_size = 192
  elif "movenet_thunder_int8" in model_name:
    !wget -q -O model.tflite https://tfhub.dev/google/lite-model/movenet/singlepose/thunder/tflite/int8/4?lite-format=tflite
    input_size = 256
  else:
    raise ValueError("Unsupported model name: %s" % model_name)

  # Initialize the TFLite interpreter
  interpreter = tf.lite.Interpreter(model_path="model.tflite")
  interpreter.allocate_tensors()

  def movenet(input_image):
    """Runs detection on an input image.

    Args:
      input_image: A [1, height, width, 3] tensor represents the input image
        pixels. Note that the height/width should already be resized and match the
        expected input resolution of the model before passing into this function.

    Returns:
      A [1, 1, 17, 3] float numpy array representing the predicted keypoint
      coordinates and scores.
    """
    # TF Lite format expects tensor type of uint8.
    input_image = tf.cast(input_image, dtype=tf.uint8)
    input_details = interpreter.get_input_details()
    output_details = interpreter.get_output_details()
    interpreter.set_tensor(input_details[0]['index'], input_image.numpy())
    # Invoke inference.
    interpreter.invoke()
    # Get the model prediction.
    keypoints_with_scores = interpreter.get_tensor(output_details[0]['index'])
    return keypoints_with_scores

else:
  if "movenet_lightning" in model_name:
    module = hub.load("https://tfhub.dev/google/movenet/singlepose/lightning/4")
    input_size = 192
  elif "movenet_thunder" in model_name:
    module = hub.load("https://tfhub.dev/google/movenet/singlepose/thunder/4")
    input_size = 256
  else:
    raise ValueError("Unsupported model name: %s" % model_name)

  def movenet(input_image):
    """Runs detection on an input image.

    Args:
      input_image: A [1, height, width, 3] tensor represents the input image
        pixels. Note that the height/width should already be resized and match the
        expected input resolution of the model before passing into this function.

    Returns:
      A [1, 1, 17, 3] float numpy array representing the predicted keypoint
      coordinates and scores.
    """
    model = module.signatures['serving_default']

    # SavedModel format expects tensor type of int32.
    input_image = tf.cast(input_image, dtype=tf.int32)
    # Run model inference.
    outputs = model(input_image)
    # Output is a [1, 1, 17, 3] tensor.
    keypoints_with_scores = outputs['output_0'].numpy()
    return keypoints_with_scores

एकल छवि उदाहरण

इस सत्र में एक ही छवि पर मॉडल चल रहा है 17 मानव keypoints की भविष्यवाणी करने की न्यूनतम भी काम कर रहे उदाहरण दर्शाता है।

लोड इनपुट छवि

curl -o input_image.jpeg https://images.pexels.com/photos/4384679/pexels-photo-4384679.jpeg --silent
# Load the input image.
image_path = 'input_image.jpeg'
image = tf.io.read_file(image_path)
image = tf.image.decode_jpeg(image)

अनुमान चलाएँ

# Resize and pad the image to keep the aspect ratio and fit the expected size.
input_image = tf.expand_dims(image, axis=0)
input_image = tf.image.resize_with_pad(input_image, input_size, input_size)

# Run model inference.
keypoints_with_scores = movenet(input_image)

# Visualize the predictions with image.
display_image = tf.expand_dims(image, axis=0)
display_image = tf.cast(tf.image.resize_with_pad(
    display_image, 1280, 1280), dtype=tf.int32)
output_overlay = draw_prediction_on_image(
    np.squeeze(display_image.numpy(), axis=0), keypoints_with_scores)

plt.figure(figsize=(5, 5))
plt.imshow(output_overlay)
_ = plt.axis('off')

पीएनजी

वीडियो (छवि अनुक्रम) उदाहरण

यह खंड दर्शाता है कि इनपुट फ्रेम का एक क्रम होने पर पिछले फ्रेम से पता लगाने के आधार पर बुद्धिमान क्रॉपिंग कैसे लागू किया जाए। यह मॉडल को अपना ध्यान और संसाधनों को मुख्य विषय पर समर्पित करने की अनुमति देता है, जिसके परिणामस्वरूप गति का त्याग किए बिना भविष्यवाणी की गुणवत्ता बेहतर होती है।

फसल एल्गोरिथ्म

लोड इनपुट छवि अनुक्रम

wget -q -O dance.gif https://github.com/tensorflow/tfjs-models/raw/master/pose-detection/assets/dance_input.gif
# Load the input image.
image_path = 'dance.gif'
image = tf.io.read_file(image_path)
image = tf.image.decode_gif(image)

क्रॉपिंग एल्गोरिथम के साथ अनुमान चलाएँ

# Load the input image.
num_frames, image_height, image_width, _ = image.shape
crop_region = init_crop_region(image_height, image_width)

output_images = []
bar = display(progress(0, num_frames-1), display_id=True)
for frame_idx in range(num_frames):
  keypoints_with_scores = run_inference(
      movenet, image[frame_idx, :, :, :], crop_region,
      crop_size=[input_size, input_size])
  output_images.append(draw_prediction_on_image(
      image[frame_idx, :, :, :].numpy().astype(np.int32),
      keypoints_with_scores, crop_region=None,
      close_figure=True, output_image_height=300))
  crop_region = determine_crop_region(
      keypoints_with_scores, image_height, image_width)
  bar.update(progress(frame_idx, num_frames-1))

# Prepare gif visualization.
output = np.stack(output_images, axis=0)
to_gif(output, fps=10)

जीआईएफ