Ian|在线试玩，在体感游戏中打败泰森，这位小哥破解了任天堂拳无虚发( 二 )_训练|关键点|游戏|MoveNet|运行

文章图片

为了读懂这些代码， Ian 对源代码进行了逆向工程（反汇编），并对游戏人物的速度进行逐一修改，使得每一个人物都是可被击败的。

文章图片

在完成这些操作之后， Ian 成功打败了终极 boss 泰森。

文章图片

最后， Ian 还把游戏以及配套的教程放到了网上，点击以下网站、打开摄像头就可以试玩：https://reallifepunchout.com/
MoveNet 是个什么模型？
上述进行实时姿态估计的算法用到了谷歌今年推出的 MoveNet 模型，它是一个预训练模型，所以设置好以后即可使用。该模型能够快速、准确地检测人体的 17 个关键节点（如脚踝、膝盖、肩膀、手肘、手腕、耳朵、眼睛和鼻子等），能够以 50+ fps 的速度在笔记本电脑和手机上运行。该模型已在 TF Hub 上提供，有两个变体，分别称为 Lightning 和 Thunder 。 Lightning 适用于对延迟要求严格的应用，而 Thunder 适用于对准确性要求较高的应用。因此，我们可以看到 Thunder 模型的关键点得分通常会比 Lightning 略高。
MoveNet 在两个数据集上训练完成：COCO 和一个名为 Active 的谷歌内部数据集。其中 Active 数据集通过在 YouTube 上的瑜伽、健身和舞蹈视频中标注关键点（采用了 COCO 的 17 个身体关键点标准）而产生。训练时，每段视频不超过三帧，以增加场景和个体的多样性。

文章图片

Active 关键点数据集的图像
通过完全在客户端运行该模型的方式可实现对运行速度的需求，即在使用 TensorFlow.js 的浏览器中运行且在初始页面加载后不需要服务器调用，也不需要安装任何依赖项。

文章图片

MoveNet 可以通过快速动作和非典型姿势跟踪关键点。

文章图片

传统方案（上）与 MoveNet（下）在高难度姿态检测上的对比结果，传统方案会跟丢关键点，而 MoveNet 不会
MoveNet 架构
MoveNet 是一种自下而上的估计模型，使用热图来准确定位人体关键点。该架构由两个组件组成：一个特征提取器和一组预测头。预测方案大致遵循 CenterNet ，但变化明显，提高了速度和准确率。所有的模型都是用 TensorFlow 对象检测 API 进行训练。

Ian|在线试玩，在体感游戏中打败泰森，这位小哥破解了任天堂拳无虚发( 二 )

推荐阅读

北京首批网站App适老化改造提速：含115家主流网站和43款常用App

怎么美国留学如何美国留学

短羊羔绒外套怎么搭配

大连热电供暖缴费到哪个银行大连热电供暖缴费到哪交

孕早期产检要注意什么

板栗怎么煮好吃好剥壳

情人节祝福语2023 让我把这份爱汇成涓涓的祝福

大便表面有血丝是怎么回事？

惠氏启赋有机婴儿配方奶粉1段怎么样？

全智贤预产期还有多久全智贤二胎是儿子是真的吗

好吃不如饺子，好看不如什么？教你一招，做出孩子爱吃的彩色饺子（饮食常识）

艾美倩遮瑕膏怎么样？艾美倩遮瑕膏怎么用？

天津集体户口怎么办理结婚登记天津集体户口怎么办理需要多长时间

女人梦见摘桑葚吃这是预示好事将近吗

樱桃酱的做法（学龄期儿童食谱）

破坏公共财物罪立案标准是什么

120斤适合多重的呼啦圈

中秋佳节的诗句祝福语分别出自哪里

荣耀v9怎么开启快充荣耀v9怎么开启快充充电

焦虑症怎么调理比较好？