MNN学习笔记（八）：使用MNN推理Mediapipe模型

最新推荐文章于 2023-08-27 10:29:09 发布
最新推荐文章于 2023-08-27 10:29:09 发布
阅读量760 收藏
点赞数
分类专栏： MNN 文章标签： mnn mediapipe-hand mediapipe-face mediapipe-body
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_31425585/article/details/132397598
版权

1.项目说明

  • 最近需要用到一些mediapipe中的模型功能，于是尝试对mediapipe中的一些模型进行转换，并使用MNN进行推理；
  • 主要模型包括：图像分类、人脸检测及人脸关键点mesh、手掌检测及手势关键点、人体检测及人体关键点、图像嵌入特征向量、图像特征点检测及匹配模型；

2.一些效果：

请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述

3.项目开源地址

Mediapipe-MNN
欢迎大家体验并点star~

MirrorYuChen
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
一个mnn模型的demo, 用来测试 mnn 环境是否OK
08-05
一个mnn模型的demo, 用来测试 mnn 环境是否OK
谷歌开源：使用MediaPipe在移动设备上进行实时3D对象检测
图像算法Imalg的博客
03-16 4536
计算机视觉大部分研究都集中在二维对象预测上。虽然2D预测只提供2D边界框，但是通过将预测扩展到3D，可以捕捉到物体在世界上的大小、位置和方向，从而在机器人、自动驾驶车辆、图像检索和增强现实等领域有着广泛的应用。虽然二维目标检测技术已经比较成熟，在工业上得到了广泛的应用，但是由于数据的缺乏和一个类别内目标的形状和外观的多样性，从二维图像中进行三维目标检测是一个具有挑战性的问题。 ...
基于Mediapipe的坐姿识别系统（内附github地址，有用记得star一下）
qq_49277059的博客
04-21 2710
毕设需要在树莓派上完成一个坐姿识别系统，完成后记录一下大致的过程。首先现在pycahrm上进行编程在把代码移植到树莓派上，树莓派上的环境需要自行配置。本文没有选用openpose而选用了mediapipe进行姿势识别对于（对于本人而言mediapipe比较好安装一点），获取坐标点之后设计各种坐姿的识别阈值以进行坐姿的判断。对于坐姿不端正的进行语音提醒以及邮件发送（这里用到了PyQt里的多线程QTheard以及QTimer）。提供的ui界面进行修改，先使用QT Designer进行设计再进行逻辑的设计。
pyqt5+AI健身+CPU实时检测mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能
05-09
pyqt5+AI健身+mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能。详细：https://blog.csdn.net/qq_34717531/article/details/124670291?spm=1001.2014.3001.5502。使用OpenCV+mediapipe的BlazePose以及前端界面的Qt Designer+Pyqt5实现的一个基于人体姿态识别的AI健身系统，可以实现选择打开图片文件或者是视频文件，具有视频的关闭播放和更换视频播放等功能。视频可以在CPU下实时检测。 注： 1.中间数字为角度。采用的是12，14，16，可自由更改。 2.左上角为fps，左下角为次数统计。 3.关闭视频后再打开视频，检测速度有明显提升，已发现原因。 将self.timer_camera.start()里的100去掉即可全部流畅运行。
模型转换、压缩、加速工具
kyle1314608的博客
02-26 1327
目录 1、Halide 2、TACO 3、weld 4、ATLAS 5、TensorComprehensions 6、opentuner 1、模型压缩加速工具的作用 2、模型压缩加速工具简介 1、PocketFlow 3、distiller 4、TVM 5、tflite 6、ncnn 7、MNN 8、OpenVIO 9、Tengine 10、ARMNN 11、Paddle Lite 12、FeatherCNN 13、DNNL 14、MACE 15、SNPE 16、model-compression 17、M
探索MediaPipe自定义机器学习模型
徐福记456
06-27 4409
MediaPipe支持人脸识别、目标检测、图像分类、人像分割、手势识别、文本分类、语音分类。每个模块都有对应的模型，但是原有模型可能比较大、推理耗时比较长，我们可以自定义模型来进行进行优化。
Linux MediaPipe C++版手势识别环境搭建与编译
xiongfeng4152的博客
12-09 3033
环境：Ubuntu18.04，gcc/g++ version>8.0, OpenCV version==3.4, Bazel version==3.7.2 1、安装Bazel 见官方文档：Installing Bazel using Bazelisk - Bazel main 2、下载MedianPipe源码 git clone https://github.com/google/mediapipe.git cd mediapipe 3、安装OpenCV和FFmpeg Median
MNN是一个高效、轻量的深度学习框架
02-11
它支持深度模型推理与训练，尤其在端侧的推理与训练性能在业界处于领先地位。目前，MNN已经在阿里巴巴的手机淘宝、手机天猫、优酷、钉钉、闲鱼等20多个App中使用，覆盖直播、短视频、搜索推荐、商品图像搜索、互动...
mnist的MNN模型
03-15
mnist的MNN模型
阿里0.2.1.5 MNN模型转换工具
12-12
阿里深度学习框架MNN 在ubantu环境下编译好的MNN模型转换工具 版本号为0.2.1.5 MNN是一个轻量级的深度神经网络推理引擎，在端侧加载深度神经网络模型进行推理预测。目前，MNN已经在阿里巴巴的手机淘宝、手机天猫...
Android MNN部署模型，直线检测，语音转换测试
08-25
MNN（Mobile Neural Network）是由阿里巴巴开源的轻量级、高性能的深度学习推理框架，适用于手机等嵌入式设备。本篇将深入探讨如何在Android环境中使用MNN部署模型，特别是针对直线检测和语音转换的测试。 一、MNN...
3D视觉——1.人体姿态估计(Pose Estimation)入门——使用MediaPipe含单帧(Signel Frame)与实时视频(Real-Time Video)
对方正在输入中...
06-14 1万+
使用Mediapipe工具包进行开发MediaPipe是一款由Google Research 开发并开源的多媒体机器学习模型应用框架，用于处理视频、音频等时间序列数据。这个跨平台架构使用于桌面/服务器、Android、iOS和嵌入式设备等。我们使用MeidaPie下的Solutions（方案特定的模型），共有16个Solutions:1.solutions.pose mediapipe姿态检测模块(.solutions.pose)，将人体各个部位分成33个点（0-32）如下图1.图1.通常可以通过判断角
结合YOLOv5和MediaPipe的越界识别
myq2017的博客
07-13 2282
针对某些人员围栏探出检测任务中，在使用预训练YOLOv5模型对检测区域的行人进行检测基础上，使用MediaPipe姿态检测模块提取人体的关键点，基于人体的关键点检测设定三重判定条件进一步判断行人是否有探出围栏的行为。该方法基于预训练模型YOLOv5和机器学习应用开发框架MediaPipe，能在一定程度上同时实现多人围栏探出的检测。射线法就是以判断点（检测目标的坐标）开始，向右（或向左）的水平方向作射线，计算此射线与区域边界的相交次数。如果为奇数，认为点（检测目标的坐标）在多边形内；
mediapipe KNN 基于mediapipe和KNN的引体向上计数/深蹲计数/俯卧撑计数【mediapipe】【KNN】【BlazePose】【K邻近算法】【python】
m0_57110410的博客
07-02 1万+
本项目可以实现深蹲（deep squat）、俯卧撑（push up）、引体向上（pull up）三种运动的检测和计数，您只需要输入视频或者调取摄像头，就可以直接计数您的动作个数。
MediaPipe 转onnx实战
jacke121的专栏
06-20 1451
mdiapipe 转onnx
【AI十行代码系列】5.人像分割-MediaPipe Python
朱铭德的博客
01-04 3961
十行代码完成人像分割和贴图。
AI项目四：基于mediapipe的钢铁侠操作（虚拟拖拽）
08-27 192
在B站看到使用CVZone进行虚拟物体拖放，模仿钢铁侠电影里的程序操作！_哔哩哔哩_bilibili是使用CVZone方式实现的，代码教程来源https://www.computervision.zone,感兴趣可以测试一下根据这个功能，用mediapipe实现了相同的效果。
MNN框架学习（二）：使用MNN部署模型
热门推荐
sinat_31425585的博客
10-01 1万+
这里代码其实大部分来自于xiongdongzhang的github项目：https://github.com/xindongzhang/MNN-APPLICATIONS，个人觉得学习一个新东西，最开始的步骤应该是用起来，至于怎么用起来，可以先参考一下别人怎么用的，将代码拆分、重组和封装，通过这一系列的过程，我们就可以基本掌握这个新东西的使用方法，会用之后，才考虑原理的学习。 这里...
undefined reference to `MNN::CV::imread
最新发布
09-01
引用中的代码片段是一个使用MNN库的示例，它并没有直接使用MNN的imread函数，而是使用了OpenCV的imread函数来读取图片。所以在编译过程中出现undefined reference to `MNN::CV::imread的错误，可能是因为你的代码中缺少了对MNN库的链接。你可以尝试在CMakeLists.txt中添加对MNN库的链接，类似于引用中对OpenCV库的链接。具体来说，你可以修改CMakeLists.txt如下： target_link_libraries(helloworld -lMNN) 这样可以将MNN库链接到你的项目中，解决undefined reference to `MNN::CV::imread的问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [MNN和NCNN安装记录](https://blog.csdn.net/qq_19784349/article/details/93226763)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [Yolo-FastestV2在树莓派4B上的MNN移植记录](https://blog.csdn.net/weixin_39266208/article/details/122131303)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值