一种可以检测“拇指向上”和“拇指向下”手势的计算机视觉算法。
该算法基于tiny-YOLOv3架构。拇指向上/向下手势识别的准确度计算为平均精度(mAP@0.25)= 85.19%; 平均IoU = 73.89%。
神经网络训练了3000张图像。
要试用该算法,请从GitHub下载并安装它。
https://github.com/heyml/rateme
RateMe是一个神经网络,可让您识别拇指向上和拇指向下的手势。该算法可以嵌入到您的项目中,并自动化评估某事物或某人的过程。
例如,使用Rate Me,可以:
技术部分
依赖
安装
pip3 install rateme
用法
打开Test_RateMe.ipynb以测试示例图像上的RateMe(为此需要启动jupyter-notebook它,它将在浏览器中打开窗口,需要在其中选择Test_RateMe.ipynb)。
例如,实时检测运行detect_on_webcam.py。
最小的工作示例:
import cv2
from rateme.utils import RateMe
net = RateMe()
img = cv2.imread('test_imgs/like.jpg')
label = net.predict(img)
描述
RateMe基于tiny-YOLOv3架构。
拇指向上/向下手势识别的准确度计算为平均精度(mAP@0.25)= 0.851941,或85.19%; 平均IoU = 73.89%
神经网络已经在~3K图像上进行了训练(从不同角度拍摄的人们显示他们的拇指或不显示)。使用labelImg程序标记图像。
返回值:"like","dislike",None
速度
在英特尔(R)Core(TM)i5-4300M CPU @ 2.60GHz上,完整的流水线速度为6-7 FPS。
帧抓取约100ms
神经网络推理〜100ms