AI吃大瓜的博客

目录目录人体姿态估计(人体关键点检测)2D Pose训练代码和Android源码1.人体姿态估计2D Pose方法2.人体姿态估计数据集（1）COCO数据集（2）MPII数据集（3）关键点示意图（ID序号）3.人体(行人)检测4.人体姿态估计训练Pipeline（1）Environment（2）数据准备：COCO和MPII数据集（3）模型训练（4） 测试Demo（5） 检测效果展示5.人体姿态估计模型Android部署（1） 将Pytorch模型转换ONNX模型（2） 将ONNX模型转换为TNN模型（3）

考虑到人脸人体检测的需求，本人开发了一套轻量化的，高精度的，可实时的人脸/人体检测Android Demo，主要支持功能如下：支持人脸检测算法模型支持人脸检测和人脸关键点检测(5个人脸关键点)算法模型支持人体检测(行人检测)算法模型支持人脸和人体同时检测算法模型所有算法模型都使用C++开发，推理框架采用TNN，Android通过JNI接口进行算法调用；所有算法模型都可在普通Android手机实时跑，在普通Android手机，CPU和GPU都可以达到实时检测的效果（CPU约25毫秒左右，GPU约1

考虑到深度学习训练过程都有一套约定成俗的流程，鄙人借鉴Keras开发了一套基础训练库： Pytorch-Base-Trainer(PBT)； 这是一个基于Pytorch开发的基础训练库，支持以下特征：

深度学习端上部署工具tvm caffe2 pytorch-mobile tf-lite paddle-lite tensorRT ncnn（腾讯） mace（小米） mnn（阿里）tf-lite tensorflow，开源 tesnorflow checkpoint/bp/fronzen graph Android/ios/arm64 通用性最强，与 tensorflow 适配完美，不过性能一般 roadmap 中预计年底将实现对..

人脸检测+人体检测C++ Android实现本博客将实现C++版本的人脸检测，人脸关键点检测，人体检测，人脸+人体检测，推理框架采用TNN，在普通Android手机，CPU和GPU都可以达到实时检测的效果人脸检测+人脸关键点检测+人体检测Android Demo APP(非源码，仅供学习交流)链接: https://pan.baidu.com/s/1By43I1DbMa0gBPLObtPZMQ 提取码: msnr尊重原创，转载请注明出处：https://panjinquan.blog..

RKNN Toolkit使用教程RKNN Toolkit:http://wiki.t-firefly.com/zh_CN/Core-1808-JD4/npu_rknn_toolkit.html#Rockchip提供RKNN-Toolkit开发套件进行模型转换、推理运行和性能评估。用户通过提供的 python 接口可以便捷地完成以下功能：1）模型转换：支持 Caffe、Tensorflow、TensorFlow Lite、ONNX、Darknet 模型，支持RKNN 模型导入导出，后...

TNN API说明文档TNN：https://github.com/Tencent/TNN说明文档：https://github.com/Tencent/TNN/blob/master/doc/cn/user/api.md目录TNN API说明文档一、API兼容性二、API调用简介步骤1. 模型解析步骤2. 网络构建步骤3. 输入设定步骤4. 输出获取二、API详解API目录结构1. core/macro.h2. core/common.h3.

TNN MatConvertParam参数设置实验TNN进行模型推理前，需要进行必要的预处理，如下设置TNN_NS::MatConvertParam inputCvtParam的scale和bias两个参数值 /*** Read image ***/ cv::Mat orig_image = cv::imread(IMAGE_NAME); int imageWidth = orig_image.size[1]; int imageHeight = orig_image