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( 三 )

2021-11-09 泰森游戏运行速度训练拳击模型 关键点 Ian MoveNet

MoveNet 中的特征提取器是带有附加特征金字塔网络 (FPN) 的 MobileNetV2 ，它允许高分辨率（输出跨度为 4），此外还提供语义丰富的特征图输出。该特征提取器具有四个预测头，负责密集地预测：

人体中心热图：预测人体实例的几何中心；
关键点回归域：预测人体的全部关键点，用于将关键点分组到实例中；
人体关键点热图：预测所有关键点的位置，不依赖于人体实例；
2D 每关键点偏移域：预测从每个输出特征图像素到每个关键点的精确子像素位置的局部偏移量。

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

文章图片

MoveNet 架构图
MoveNet 模型分四步来完成预测，过程如下图所示：

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

文章图片

以下是关于 MoveNet 模型的更多参考资料：

TF Hub 运行：http://tensorflow.google.cn/hub
Lightning：https://hub.tensorflow.google.cn/google/tfjs-model/movenet/singlepose/lightning/3
Thunder：https://hub.tensorflow.google.cn/google/tfjs-model/movenet/singlepose/thunder/3

【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】参考链接：https://blog.tensorflow.org/2021/05/next-generation-pose-detection-with-movenet-and-tensorflowjs.html

推荐阅读

上一篇：挑战赛|第四届“强网”拟态防御国际精英挑战赛开启

下一篇：苦瓜|虎牙强势发力，又拿下一个LOL手游大神，曾是端游职业选手，全面