谷歌研究院推出MoveNet动作检测工具和TensorFlow.js API

（来自：TensorFlow Blog）

据悉，MoveNet 模型可供 TF Hub 上的开发者使用，并且提供了闪电（Lighting）和雷电（Thunder）两款衍生版本。前者适用于对延迟比较敏感的关键型应用程序，而后者侧重于牺牲实效性来提升识别的准确性。

MoveNet 支持快速动作 / 非典型姿态来追踪关键节点

即便如此，Lighting 和 Thunder 两款模型在现代计算机和智能手机上的运行速度，都较实时类应用的效率要更高一些。谷歌表示，这是在软件程序中得到实际应用的一个关键指标。

传统方案（上）与 MoveNet（下）在高难度姿态检测上的效果对比

通过与 IncludHealth 的合作，谷歌希望在传统护理应用的基础上，将 MoveNet 进一步推广到医院、保险公司和军队。

浏览器中演示运行的 MoveNet 和 TensorFlow.js 运动平衡评估效果

IncludHealth 创始人兼首席执行官 Ryan Eder 亦对这项技术的前景表示十分看好：“MoveNet 模型注入了提供规范性护理所需的速度与准确性的强大组合，尽管也有其它可互相替代的方案，但 MoveNet 具有的独特平衡性，还是开辟了下一代护理服务的更多可能。而谷歌团队在这方面的追求，也让它成为了我们一直在追求的出色合作者”。

MoveNet 后处理步骤

展望未来，谷歌希望进一步扩展 Lighting 和 Tunder 模型的功能，使之能够一次追踪多人活动。此外这家科技巨头也致力于使用基准测试和相关优化来加速 TensorFlow.js 的后端处理速度。感兴趣的朋友，可移步至官网公告查看全文。

本文素材来自互联网