一.关键点姿态估计
在计算机视觉任务中,关键点是指图像中的一些特定位置,例如人体关键点、面部特征点等。预测关键点的方法很多,其中一种常见的方法是使用Heatmap来预测。
Heatmap是一种图像,其中各个像素的值表示该位置的特征强度或权重。在预测关键点的任务中,Heatmap可以用来表示图像中可能存在的关键点的位置和置信度。具体来说,对于图像中的每个关键点,可以根据其位置在Heatmap上生成一个高斯分布,然后将每个高斯分布叠加到Heatmap上,生成一个包含所有关键点位置信息的Heatmap。
在训练时,我们将生成的Heatmap与真实的Heatmap进行比较,计算两者之间的损失,然后通过反向传播来更新神经网络中的权重。在测试时,我们可以使用预测的Heatmap来得到关键点的位置和置信度。具体来说,我们可以通过查找Heatmap中的最大值来找到每个关键点的位置,然后使用该位置作为预测值。同时,我们还可以使用Heatmap中的最大值作为置信度,表示该位置是关键点的概率。
需要注意的是,预测关键点的方法不止一种,除了使用Heatmap外,还可以使用一些其他的方法,例如直接回归关键点坐标、使用卷积神经网络等。选择不同的方法,需要根据具体的任务需求和数据特点来进行选择和优化。
1.人体关键点
GitHub - stefanopini/simple-HRNet: Multi-person Human Pose Estimation with HRNet in Pytorch
2.人脸关键点
paddlepaddle-tinypose HRNET-lite yolov5-face
3.Alphapose
https://www.cnblogs.com/sakuraie/p/13341507.html
5.自下而上
二.行为分析
1.GCN
GitHub - tkipf/gcn: Implementation of Graph Convolutional Networks in TensorFlow
三.动作识别
方案
1.slowfast
2.tsm
视频分类 | 论文 2019 [TSM] TSM: Temporal Shift Module for Efficient Video Understanding - 知乎
ppTSM(Paddle temporal-shift-module)训练部署记录
https://github.com/mit-han-lab/temporal-shift-module
3.mmaction2
https://github.com/open-mmlab/mmaction2
https://github.com/kennymckormick/pyskl
4.