قم بقياس نسبة الدهون في جسمك بصورة واحدة فقط!
تقديمي لـ Global PyTorch Summer Hackathon 2019. من بين 5% (من أصل 1466 مشاركًا) من المشاريع التي سيتم عرضها في معرض hackathon.
تم اختبار هذا الرمز على Ubuntu وPyTorch 1.2 وPython 3.6 وNvidia GTX 940MX. يوصى بإعداد بيئة بايثون الافتراضية وتثبيت الحزم التالية.
استنساخ الريبو
قم بتثبيت ما يلي:
apt-get install tk-dev python-tk
قم بتنشيط الفيروس وقم بتثبيت حزم بايثون المطلوبة في بيئة افتراضية
(pytorch)$ pip3 install torch torchvision (pytorch)$ pip3 install scikit-image opencv-python pandas h5py (pytorch)$ pip3 install cffi (pytorch)$ pip3 install cython (pytorch)$ pip3 install requests (pytorch)$ pip3 install future
قم ببناء ملحق NMS
cd lib/ python3 setup3.py build_ext --inplace
python3 measure_body.py
يأخذ هذا صورة عينة من data/inputs
ويتنبأ بنسبة الدهون في الجسم.
تعليمات لالتقاط الصور
سيقدر النموذج محيط رقبتك وخصرك للتنبؤ بنسبة الدهون في جسمك. لذلك يجب أن تكون منطقة رقبتك وخصرك مرئية بوضوح في الصورة. كما يعمل النموذج بشكل أفضل عندما تقف على بعد متر واحد على الأقل من الكاميرا. بعض الأمثلة:
مثال جيد
الصق صورتك في data/inputs/
قم بتشغيل python3 measure_body.py --image_name <name_of_your_image>.jpg
تظهر نتائجك على الشاشة.
ويستخدم شبكة تقدير عمق أحادية لإنتاج خريطة عمق مستوى البكسل. استند هذا إلى ورقة بحثية CVPR 2019 بعنوان "تعلم أعماق تحريك الأشخاص من خلال مشاهدة الأشخاص المتجمدين". وفي الوقت نفسه، تم ضبط نموذج الكشف عن الكائنات RetinaNet بدقة لتقدير موقع أجزاء جسمك. تم استخدام PyTorch لكلتا الشبكتين. يتم دمج هذه المعلومات لحساب قياسات جسمك ونسبة الدهون في الجسم. يتم أيضًا استخدام بعض جوهريات الكاميرا من بيانات exif للتقدير. ويستخدم صيغة الدهون في الجسم البحرية للحساب.
تم استعارة رمز تقدير العمق وتعديله من هذا الريبو (تنفيذ ورقة Google AI الرائعة هذه).
تم استعارة رمز Retinanet وتعديله من تطبيق PyTorch هذا.
كود NMS من هنا .