Genere positividad con el Machine Learning Deja un comentario
El reconocimiento de gestos y el aprendizaje automático están recibiendo mucho tiempo de emisión en estos días, ya que la gente los comprende más y comienza a desarrollar métodos para implementarlos en muchas plataformas diferentes. Por supuesto, esto permite un acceso más fácil a las personas que pueden hacer uso de las nuevas herramientas más allá de los entornos estrictamente académicos o comerciales. Por ejemplo, patinar por las calles de Atlanta con un TV de transmisión de reconocimiento de gestos que [nate.damen] lleva sobre su cabeza .
Es conocido como [atltvhead] y el televisor que usa tiene una pantalla LED funcional en la parte frontal. Toda la configuración nos recuerda un poco a Deep Thought . La pantalla puede mostrar varias animaciones que se controlan a través del chat de Twitch mientras transmite sus viajes por la ciudad. Sin embargo, quería agregar un poco más de interacción a las animaciones y simplificar su interfaz de usuario, por lo que configuró una funda de detección de gestos que puede aumentar las animaciones en función de cómo mueve el brazo. Utiliza un Arduino en el sensor del brazo, así como una Raspberry Pi en la mochila para unirlo todo, y profundiza en la hierba explicando cómo usar Tensorflow para reconocer los gestos. El video vinculado a continuación muestra muchos de sus entrenamientos para el sistema de aprendizaje automático que también usó.
[nate.damen] tampoco se detuvo ante el alegre jefe de televisión. También usa una mochila que muestra mensajes edificantes a la gente cuando pasa junto a ellos en sus patines, sin querer dejar fuera a aquellos que no pueden verlo venir. Creemos que este es un gran proyecto edificante, y la cantidad de trabajo que se dedicó a lograr que el algoritmo de aprendizaje automático de reconocimiento de gestos sea correcto es impresionante por sí solo. Sin embargo, si eres nuevo en Tensorflow, hemos presentado algunos proyectos que pueden hacer un reconocimiento de objetos confiable usando poco más que una Raspberry Pi y una cámara .
