Ta上传的资源 (0)

该演示展示了多人2D姿态估计算法的操作步骤。任务是预测输入视频中每个人的姿态：人体骨骼，包含关键点和关键点之间的连接。姿态可能包含多达18个关键点：耳朵、眼睛、鼻子、颈部、肩部、肘部、腕部、臀部、膝盖和脚踝。该算法的潜在用例包括动作识别和行为理解。想要查看更多OpenVINO相关技术与资料，请戳&g

这是一款面向动作识别算法的演示应用，可对输入视频中执行的动作进行分类。该产品提供了以下预训练模型：driver-action-recognition-adas-0002-encoder+driver-action-recognition-adas-0002-decoder，这些模型用于驾驶员监控场景

通过OpenVINO提供的行人检测与行人属性识别模型实现一个实时的视频行人检测与属性识别的演示程序。想要查看更多OpenVINO相关技术与资料，请戳>>http://www.eepw.com.cn/openvino

该演示使用一系列神经网络展示了适用于面部识别的对象检测任务。异步API可提升应用的整体帧率，因为在加速器运行时，应用可以在主机上继续运行，而无需等待推理完成。本演示针对同时运行的年龄/性别识别、头部姿态估计、情绪识别和面部特征检测网络，并行执行4个推理请求。想要查看更多OpenVINO相关技术与资料