@@ -27,7 +27,7 @@ Le modèle de machine learning doit apprendre à partir des images de la vidéo
### Le code de départ
[Téléchargez l'archive du code initial ici]()
[Téléchargez l'archive du code initial ici](../doc/tp_dance_start.zip)
Il faut installer les classiques (numpy, pytorch), mais aussi OpenCV (cv2) et mediapipe.
Les différents fichiers sont les suivants.
...
...
@@ -56,11 +56,18 @@ Lancez d'abord le script `VideoSkeleton` qui va produire les images à partir d'
La solution basique est de chercher dans le dataset qu'elle est l'image dont le squelette associé est le plus proche de celui recherché. Ce point se code dans la fonction `GenNearest::generate`. Cette solution n'est pas efficace : consommation, mémoire, recherche qui peut être longue.
1. Lancez `DemoDance.py`. Il s'agit du progamme principale. L'image cible est blanche pour commencer.
2. Codez `generate` dans la classe `GenNearest.py`
### Réseau direct
L'idée ici est d'entraîner un réseau basique qui produit une image à partir du squelette. Le squelette est représenté par un tableau de nombres. Dans le code `Skeleton`, vous pouvez choisir d'extraire le squelette de taille réduite : 13 articulations en 2D. Le réseau peut donc prendre 26 nombres en entrée et produire une image.
L'idée ici est d'entraîner un réseau basique qui produit une image à partir du squelette. Le squelette est représenté par un tableau de nombres. Dans le code `Skeleton`, vous pouvez choisir d'extraire le squelette de taille réduite : 13 articulations en 2D. Le réseau peut donc prendre 26 nombres en entrée et produire une image.
