Manipit - IRONMAN JARVIS-liknande Hand Motion Tracking med målade handskar (2 / 6 steg)
Steg 2: Genomföra neurala nätverk
Hur kan vi uppskatta en hand innebära genom att utnyttja dessa färger?Jag tror neurala nätverk bör fungera bra! Det är en teknik av artificiell intelligens (AI). Jag inte berätta om i detalj, men jag kommer att förklara översikten nedan.
Neurala nätverk är en kraftfull metod att härleda information (hand pose) från annan information (varje färg läge, område och så vidare). Neurala nätverk består av "nervceller", som representeras av cirklar. Nervceller består av lager och lager är anslutna till varandra.
Konfigurationen av neurala nätverk är följande:
- Antalet neuron på inmatningslagret (det första lagret) är 19.
6 - centrera av positionen för varje färg region
6 - området för varje färg region
6 - proportionerna för varje färg region
1 - aspektförhållande av hela handen region - Antalet neuron på dolda lager (det andra lagret) är 80 ~ 250.
Jag bestämde mig numret experimentellt. - Antalet neuron på utgående lager (det sista lagret) är 8.
3 - variabler som representerar en orientering (Euler vinklar)
5 - vinkel på varje finger
Om du vill ha i detalj av insidan, jag laddade upp koden here(github).
Faktiskt, neurala nätverk kan inte användas ute boxen. Den har stor mängd parametrar och vi måste ställa alla dem ordentligt! Men oroa dig inte, vi har en fantastisk algoritm för att göra detta. Det kallas tillbaka förökning. Och det kräver "exempeldata" automatiskt tune parametrar.
Vad är exempeldata? Hur kan vi producera dessa uppgifter? Gå till nästa steg!