iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 11
0
AI & Data

AI世界初探系列 第 11

Day 11:AI世界的初探(OpenPose on JETSON NANO)

  • 分享至 

  • xImage
  •  

昨天簡單的介紹了Jetson Nano, 那它到底強大在哪?

這邊用一個範例來說明:

Openpose是一套偵測人體的演算法, 最早由 Carnegie Mellon University(CMU)的論文產出, CMU的電腦科學很強, 有興趣的同學也可以想辦法申請一下。最主要這個AI的演算法用來偵測人體的肢體動作, 如跳舞、運動姿勢或老人家是否跌倒。

但既然是即時偵測人體, 所要耗費的資源可以想見非常龐大, 基本的硬體要求如下:
CUDA (Nvidia GPU) version: NVIDIA graphics card with at least 1.6 GB available (the nvidia-smi command checks the available GPU memory in Ubuntu).
At least 2.5 GB of free RAM memory for BODY_25 model or 2 GB for COCO model (assuming cuDNN installed). Highly recommended: cuDNN.
OpenCL (AMD GPU) version: Vega series graphics card At least 2 GB of free RAM memory.
CPU-only (no GPU) version:
Around 8GB of free RAM memory. Highly recommended: a CPU with at least 8 cores.

小編的電腦跑不動(8核筆電貴貴的), Pi也不行(只有4核), 只能用Jetson Nano來跑跑看了, 當然結果不甚理想, 甚至畫面會卡頓。

於是這裡用簡單版來做實驗:

首先在Jetson的環境下, 下載tf-openpose

git clone https://github.com/ildoonet/tf-pose-estimation

最後結果如下, 是不是很有成就感?

https://ithelp.ithome.com.tw/upload/images/20190912/20118900lYXqkJ6RO2.jpg


上一篇
Day 10:AI世界的初探(NVIDIA JETSON NANO)
下一篇
Day 12:AI世界的初探(JETSON NANO還能做什麼?)
系列文
AI世界初探30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言