（关键点检测）YOLOv8实现多类人体姿态估计的输出格式分析

二代红鱼

已于 2024-03-07 11:52:21 修改

阅读量1.8k

点赞数 5

分类专栏：机器学习文章标签： YOLO 深度学习 python 目标检测

于 2024-03-07 11:47:19 首次发布

本文链接：https://blog.csdn.net/Ming2017123123/article/details/136529408

版权

（关键点检测）YOLOv8实现多类人体姿态估计的输出格式分析

1. 任务分析
1. 所使用的数据配置文件
1. 网络结构
1. 导出模型
1. 用 netron 可视化
1. 输出格式分析
1. 参考链接

1. 任务分析

判断人体关键点时一并给出关键点所属的类别，比如男人，女人。

2. 所使用的数据配置文件

添加类别：0: male，1: female。

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8-pose # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# Keypoints
kpt_shape: [17, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]

# Classes
names:
  0: male
  1: female

3. 网络结构

                   from  n    params  module                                       arguments
  0                  -1  1       464  ultralytics.nn.modules.conv.Conv             [3, 16, 3, 2]