手势识别与健身活动识别推理库20bn-realtimenet
之前在盘点CVPR 2020 动作识别相关论文的时候,发现研究动作识别的真不少,但不清楚有没有相关的正真落地的技术,感觉人体动作太多了,也许面向垂直领域的技术实用化的可能性较大。
今天向大家介绍一个深度学习推理库:20bn-realtimenet 。
20bn-realtimenet 是用于两个轻量级神经网络的推理的库,包括一个手势识别模型和一个健身活动跟踪模型,该轻量级网络是在数百万个视频上预训练的,体积小,效率高,在CPU上实时平稳运行。
20bn是该库开发者公司的名字 Twenty Billion Neurons ,寓意人脑含有的200亿神经元。
20bn-realtimenet 库中展示了两个潜在的应用程序:
1、实时手势/动作分类器 2、实时的基于视觉的卡路里计数器,用于测量用户在相机前工作时消耗的卡路里
其手势识别演示视频(没有声音,可放心播放):
目前该库支持30种手势。
其健身活动跟踪视频演示(没有声音,可放心播放):
可见除了识别出哪一种运动,还计算出消耗了多少卡路里,运动监控软件开发者应该对这个库很感兴趣。目前该库支持识别80种运动。
作者称,该库已经被用于以下场景::1、手势控制(在智能家居设备,智能亭,汽车中) 2、人体动作识别(在智能家居设备,汽车,公共场所,视频通话中) 3、健身追踪 4、人机交互(例如,用户是否在与我或其他人交谈?) 5、AR(从“自我”的角度打手势) 6、实现 "数字人 "和虚拟人与用户的互动
代码地址:
https://github.com/TwentyBN/20bn-realtimenet
注意:虽然推理代码是开源的,但模型文件却是要授权下载的,需要在该公司官网:
https://20bn.com/licensing/sdk/evaluation 申请。
当然对于个人开发者,选择免费版,也可以跑起来。
更多阅读:
CVPR 2020 论文大盘点-动作识别篇
END
备注:动作
人体动作检测与识别交流群
动作识别、动作检测等技术,
若已为CV君其他账号好友请直接私信。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
投稿:amos@52cv.net
网站:www.52cv.net
在看,让更多人看到
手势识别与健身活动识别推理库20bn-realtimenet相关推荐
- 本周Github项目精选:高效CNN推理库、多款AlphaGo实现
来源:PaperWeekly 本文共1700字,建议阅读6分钟. 本文为你精选近期Github上的高效CNN推理库.多款AlphaGo实现项目等,一起Star和Fork吧- 01 ELF #Faceb ...
- 商汤港理工提出基于聚类的联合建模时空关系的 GroupFormer 用于解决群体活动识别问题,性能SOTA...
关注公众号,发现CV技术之美 ▊ 写在前面 群体活动识别是一个关键而又具有挑战性的问题,其核心在于充分探索个体之间的时空交互,产生合理的群体表征 .然而,以前的方法要么分别建模空间和时间信息,要么直接 ...
- 京东发布FastReID:目前最强悍的目标重识别开源库!
京东AI研究院近日发布了基于PyTorch的目标重识别(ReID)开源库 FastReID ,其不仅对相关领域的研究有帮助,而且对工程部署有优化,在各大数据集上的评测结果惊人,其今天公布的论文 Fas ...
- 时间序列分类01:人类活动识别深度学习模型综述
[时间序列预测/分类] 全系列60篇由浅入深的博文汇总:传送门 本文介绍了人类活动识别相关领域的建模方法和理论研究. 文章目录 前言 相关论文 1. 人类活动识别简介 2. 使用神经网络进行建模的优势 ...
- 智能健身动作识别:PP-TinyPose打造AI虚拟健身教练!
在人工智能技术更迭及后疫情时代的背景下,随着居民生活模式发生改变,智能运动健身行业得到了极大的发展.刘畊宏带起的"本草纲目"健身热潮也正式开启了居家健身时代,随之而来的便是人们对个 ...
- 1D卷积网络HAR(人体活动识别)实践
HAR(人体活动识别)是根据加速度计序列数据,将活动分类为已知的预定义的活动类别,其数据是由专业设备或智能手机记录的. 解决这个问题的传统方法需要手工制作特征,这些特征来自于基于固定大小的窗口和训练机 ...
- 人类活动识别的深度学习模型
目录 概述 人类活动识别 神经网络建模的好处 监督学习数据表示 卷积神经网络模型 递归神经网络模型 人类活动识别(Human Activity Recognition)是一项具有挑战性的时间序列分类任 ...
- 活动识别API服务开发
活动识别API服务开发 要使用华为活动识别服务API,需要确保设备已经下载并安装了HMS Core(APK),并将Location Kit的SDK集成到项目中. 指定应用权限 • 在Android Q ...
- 性能领先,即训即用,快速部署,飞桨首次揭秘服务器端推理库
允中 发自 凹非寺 量子位 编辑 | 公众号 QbitAI 假如问在深度学习实践中,最难的部分是什么?猜测80%的开发者都会说: "当然是调参啊." 为什么难呢?因为调参就像厨师根 ...
最新文章
- java 多维数组转化为字符串
- 单链表-单链表拆分为两个线性表(尾插法+尾插法)
- ubuntu安装pip包管理器
- 计算机永远无法处理日语所具有的暧昧性,计算机永远无法处理日语所具有的暧昧性。( )...
- JSP调用request方法获取请求相关信息
- [转]把复杂事物简明化
- Android开发笔记(九十六)集合动画与属性动画
- 【SLAM笔记】如何使用Eigen进行矩阵运算
- log4j和web.xml配置webAppRootKey 的问题(一个tomcat下部署多个应用)
- DSP数字信号处理实验一 常见离散信号的产生
- [News]传奇乞丐粉笔字震惊全国 字库上门求字
- MyEclipse自定义JSP模板
- 线性系统理论(不断更新中)
- 512内存安装php7,《滴水石穿-php》虚拟机中安装php7内存错误
- 马云为何学计算机,IT大佬高考:李彦宏是状元 马云数学仅1分
- ffmpeg 查看bayer rg8 \ bg8 像素格式图片方法
- 关于GPU一些笔记(SIMT方面)
- 淘宝/天猫关键词搜索最新接口
- Mac下安装vim的插件YouCompleteMe及注意事项
- java毕业设计师生健康信息管理系统(附源码、数据库)
热门文章
- Markdown Pad2--公式编辑功能搭建
- 图的所有顶点间的最短路径(Floyd算法)
- php查真实地址,php教程:检查URL地址是否真实存在
- mysql完成未完成_MYSQL SQL模式 (未完成)
- 2017二级c语言选择题,2017年9月计算机二级C语言考试选择题
- Mac 加入环境变量
- 没有匹配的验证协议_ORA-28040:没有匹配的验证协议
- mysql join buffer_MySQL cache之join buffer的优化
- echarts 仪表盘 文字位置_方法 | 用notion打造个人仪表盘
- python数据清洗csv_Pandas 数据处理,数据清洗详解