Mediapipe를 사용한 맞춤형 인간 포즈 분류
GitHub: CustomPose-Classification-Mediapipe
샘플 출력
동영상
영상
데모
Yoga Pose Dataset을 사용하여 사용자 정의 인간 포즈 분류를 생성하겠습니다.
1. 리포지토리 복제:
git clone https://github.com/naseemap47/CustomPose-Classification-Mediapipe.git
cd CustomPose-Classification-Mediapipe
종속성 설치
pip3 install -r requirements.txt
데이터세트 다운로드:
wget -O yoga_poses.zip http://download.tensorflow.org/data/pose_classification/yoga_poses.zip
데이터세트 정보:
├── Dataset
│ ├── Chair
│ │ ├── 1.jpg
│ │ ├── 2.jpg
│ │ ├── ...
│ ├── Cobra
│ │ ├── 1.jpg
│ │ ├── 2.jpg
│ │ ├── ...
. .
. .
2. 클래스별 Landmark Dataset 생성
-i
, --dataset
__ 데이터 세트 경로-o
, --save
__ CSV 파일을 저장할 경로python3 poseLandmark_csv.py -i data/ -o data.csv
CSV 파일은
3. 인간 포즈를 예측하기 위한 딥러닝 모델 생성
-i
, --dataset
__ CSV 데이터 경로-o
, --save
__ model.h5 파일을 저장할 경로python3 poseModel.py -i data.csv -o model.h5
모델은
4. 추론
테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시
-m
, --model
__ 저장된 모델 경로.h5-c
, --conf
__ 포즈 클래스를 감지하기 위한 최소 예측 conf (0-i
, --source
__ 이미지 또는 비디오의 경로, 웹캠 사용 Zero(0) --save
__ 이미지(ImageOutput Dir) 또는 비디오("output.avi")를 저장합니다.# Image
python3 inference.py --model model.h5 --conf 0.75 --source data/test/image.jpg
# Video
python3 inference.py --model model.h5 --conf 0.75 --source data/test/video.mp4
# web-cam
python3 inference.py --model model.h5 --conf 0.75 --source 0
###### to save ######
# Image
python3 inference.py --model model.h5 --conf 0.75 --source data/test/image.jpg --save
# Video
python3 inference.py --model model.h5 --conf 0.75 --source data/test/video.mp4 --save
# web-cam
python3 inference.py --model model.h5 --conf 0.75 --source 0 --save
창을 종료하려면 — Q 키를 누르십시오.
커스텀 포즈 분류
이 저장소 복제:
git clone https://github.com/naseemap47/CustomPose-Classification-Mediapipe.git
cd CustomPose-Classification-Mediapipe
git checkout custom
1. 커스텀 포즈 데이터셋 가져오기
예시:
├── Dataset
│ ├── Pose_1
│ │ ├── 1.jpg
│ │ ├── 2.jpg
│ │ ├── ...
│ ├── Pose_2
│ │ ├── 1.jpg
│ │ ├── 2.jpg
│ │ ├── ...
. .
. .
2. 클래스별 Landmark Dataset 생성
-i
, --dataset
__ 데이터 세트 경로-o
, --save
__ CSV 파일을 저장할 경로python3 poseLandmark_csv.py -i <path_to_data_dir> -o <path_to_save_csv>
CSV 파일은
3. 인간 포즈를 예측하기 위한 딥러닝 모델 생성
-i
, --dataset
__ CSV 데이터 경로-o
, --save
__ model.h5 파일을 저장할 경로python3 poseModel.py -i <path_to_save_csv> -o <path_to_save_model>
모델은
4. 추론
inference.py 열기
43행 변경: 클래스 이름에 따라 클래스 순서를 작성하십시오.
테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시
-m
, --model
__ 저장된 모델 경로.h5-c
, --conf
__ 포즈 클래스를 감지하기 위한 최소 예측 conf (0-i
, --source
__ 이미지 또는 비디오의 경로, 웹캠 사용 Zero(0) --save
__ 이미지(ImageOutput Dir) 또는 비디오("output.avi")를 저장합니다.python3 inference.py --model <path_to_model> --conf <model_prediction_confidence> --source <image or video or web-cam>
# to save
python3 inference.py --model <path_to_model> --conf <model_prediction_confidence> --source <image or video or web-cam> --save
테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시
창을 종료하려면 — Q 키를 누르십시오.
감사합니다…
Reference
이 문제에 관하여(Mediapipe를 사용한 맞춤형 인간 포즈 분류), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/naseemap47/custom-human-pose-classification-using-mediapipe-6fc텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)