该文介绍了如何安装和使用MMDetection及MMPose进行目标检测和关键点识别，包括自上而下的预测流程、模型训练与预测、PythonAPI的使用。此外，提到了RTMDet在三角板检测中的应用，并探讨了在医学和高精度工业中提高检测精度的方法，如调整输入尺寸和优化NME曲线。同时，文章提出了去除无用关键点的思考。
视频一 安装MMDetection和MMPose
安装代码自豪已经实现，可自行在github download，格式为.ipynb
TOP down: 自上而下进行预测: 目标检测->关键点检测
1 目标检测模型 ：MMDetection
2 关键点检测模型：MMPose
【A1，A2】：环境安装
【B1】预测训练模型：自豪详细介绍了代码,可以分析图片和视频
【B2】python API:导入工具包，构建目标检测模型（任选一个），构建关键点检测模型。
热力图是比较准确的：可以输出一个区域
视频二 MMDetection三角板目标检测
RTMPose：数据->模型->部署
可更换自己的数据集
可选目标检测算法：
Faster R cNN
RTMDet
视频三 MMDetection三角板关键点检测
十分 适合医学，高精工业应用
提高inputsize可以提供精度，但这样无疑会增加巨大计算量
nme曲线越低，表示训练效果越好
精简转换后即可部署
思考：如何取消无用的等间距分布点（多余点）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
