(来自:TensorFlow Blog)
据悉,MoveNet 模型可供 TF Hub 上的开发者使用,并且提供了闪电(Lighting)和雷电(Thunder)两款衍生版本。前者适用于对延迟比较敏感的关键型应用程序,而后者侧重于牺牲实效性来提升识别的准确性。
MoveNet 支持快速动作 / 非典型姿态来追踪关键节点
即便如此,Lighting 和 Thunder 两款模型在现代计算机和智能手机上的运行速度,都较实时类应用的效率要更高一些。谷歌表示,这是在软件程序中得到实际应用的一个关键指标。
传统方案(上)与 MoveNet(下)在高难度姿态检测上的效果对比
通过与 IncludHealth 的合作,谷歌希望在传统护理应用的基础上,将 MoveNet 进一步推广到医院、保险公司和军队。
浏览器中演示运行的 MoveNet 和 TensorFlow.js 运动平衡评估效果
IncludHealth 创始人兼首席执行官 Ryan Eder 亦对这项技术的前景表示十分看好:“MoveNet 模型注入了提供规范性护理所需的速度与准确性的强大组合,尽管也有其它可互相替代的方案,但 MoveNet 具有的独特平衡性,还是开辟了下一代护理服务的更多可能。而谷歌团队在这方面的追求,也让它成为了我们一直在追求的出色合作者”。
MoveNet 后处理步骤
展望未来,谷歌希望进一步扩展 Lighting 和 Tunder 模型的功能,使之能够一次追踪多人活动。此外这家科技巨头也致力于使用基准测试和相关优化来加速 TensorFlow.js 的后端处理速度。感兴趣的朋友,可移步至官网公告查看全文。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/industrynews/76706.html