# மனித உடல் பிரிப்பு

[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு.

## பணிகள்

வீடியோ தயாரிப்பில், உதாரணமாக, வானிலை முன்னறிவிப்பு நிகழ்ச்சிகளில், மனித உருவத்தை கேமராவில் இருந்து வெட்டி எடுத்து, வேறு காட்சிகளின் மேல் வைத்து காட்ட வேண்டும். இது பொதுவாக **chroma key** தொழில்நுட்பங்களைப் பயன்படுத்தி செய்யப்படுகிறது, அதாவது மனிதர் ஒரே நிறம் கொண்ட பின்னணி முன் படம் பிடிக்கப்பட்டு, பின்னர் அந்த பின்னணி நீக்கப்படுகிறது. இந்த ஆய்வகத்தில், மனித உருவத்தை வெட்டுவதற்கான நரம்பியல் வலைப்பின்னல் மாதிரியை பயிற்சி செய்யப் போகிறோம்.

## தரவுத்தொகுப்பு

நாம் [Segmentation Full Body MADS Dataset](https://www.kaggle.com/datasets/tapakah68/segmentation-full-body-mads-dataset) என்ற Kaggle தரவுத்தொகுப்பைப் பயன்படுத்தப் போகிறோம். இந்த தரவுத்தொகுப்பை Kaggle-இல் இருந்து கையால் பதிவிறக்கவும்.

## தொடக்க நோட்புக்

[BodySegmentation.ipynb](BodySegmentation.ipynb) ஐ திறந்து ஆய்வகத்தைத் தொடங்கவும்.

## முக்கியக் கருத்து

உடல் பிரிப்பு என்பது மனிதர்களின் படங்களைப் பயன்படுத்தி செய்யக்கூடிய பொதுவான பணிகளில் ஒன்றாகும். மற்ற முக்கிய பணிகளில் **எலும்புக்கூடு கண்டறிதல்** மற்றும் **நிலை கண்டறிதல்** அடங்கும். [OpenPose](https://github.com/CMU-Perceptual-Computing-Lab/openpose) நூலகத்தைப் பாருங்கள், இந்த பணிகளை எவ்வாறு செயல்படுத்தலாம் என்பதை அறிய.

---

**குறிப்பு**:  
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கின்றோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.