人体姿态fast-human-pose-estimation.pytorch

最新推荐文章于 2024-08-08 07:55:23 发布
最新推荐文章于 2024-08-08 07:55:23 发布
阅读量3.1k 收藏
点赞数
分类专栏： 深度学习宝典
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/102940840
版权
这篇博客介绍了两个基于Pytorch的人体姿态估计模型，包括fast-human-pose-estimation.pytorch和Fast_Human_Pose_Estimation_Pytorch。在实际测试中，256*256图像的处理时间分别为100ms和160ms，可能存在精度和效率的问题。作者提到了相关论文和CSDN上的详细文章链接。
摘要由CSDN通过智能技术生成

下面两个指向同一篇论文，权重100m：

这个没跑起来：

 

现在测的都不准，可能代码不对

256*256的图像要100ms，

https://github.com/ilovepose/fast-human-pose-estimation.pytorch 

256*256 这个需要160ms

https://github.com/yuanyuanli85/Fast_Human_Pose_Estimation_Pytorch
同这一篇：

https://blog.csdn.net/jacke121/article/details/100574661

 

AI算法网奇
关注
专栏目录
订阅专栏
Fast_Human_Pose_Estimation_Pytorch
jacke121的专栏
09-06 2791
Fast_Human_Pose_Estimation_Pytorch 权重：model_best.pth.tar python tools/mpii_demo.py -a hg -s 2 -b 1 --mobile True --checkpoint model_best.pth.tar --in_res 256 --device cuda 效果不是特别好：s 8 b 1 mob...
【论文阅读笔记】Fast Human PoseEstimation
时光机 °的博客
07-02 724
论文地址：https://arxiv.org/abs/1811.05419v1 github网址：https://github.com/ilovepose/fast-human-pose-estimation.pytorch 全文总结   该论文并未提出啥有意思的东西，总体就是知识蒸馏和**“自定义模型压缩”**的应用，提供一个思路。   该方法名为 FTD，Fast Pose Distillation，也就是知识蒸馏应用在pose检测上的意思。 文章内容介绍   文中的方法应用对象为Hourglass网络
Lightweight Human Pose Estimation 使用教程
最新发布
gitblog_00886的博客
08-08 776
Lightweight Human Pose Estimation 使用教程 lightweight-human-pose-estimation.pytorchFast and accurate human pose estimation in PyTorch. Contains implementation of "Real-time 2D Multi-Person Pose Estimati...
Fast_Human_Pose_Estimation_Pytorch:CVPR2019文件的“ Pytorch代码”“快速人体姿势估计” https
05-04
快速人体姿态估计火炬 这对于论文“来说是非官方的实现。 大部分代码来自用于沙漏网络pytorch实现。 在此仓库中，我们遵循了“快速人体姿势估计”提出的“快速姿势蒸馏”方法，以提高轻量级网络的准确性。 我们首先训练了一个深层的教师网络（堆栈= 8，标准卷积，为88.33 @Mpii pckh），并用它来教授学生网络（堆栈= 2，深度卷积，为84.69％@Mpii pckh）。 我们的实验表明，从知识蒸馏中获得了0.7％的收益。 我对轻型学生模型hg_s2_b1_mobile_fpd进行了基准测试，并通过OpenVino在i7-8700K上获得了43fps 。 可以从找到详细信息 请通过检查官方实施 2019年2月更新 通过使用上传的额外未标记图像hg_s2_b1_mobile_fpd_unlabeled训练的模型显示，教师从未标记数据上转移的知识可hg_s2_b1_mobile_fpd_
Fast Human Pose Estimation
u010848594的博客
05-31 2147
基于Hourglass的一种轻量网络，特点：轻量，易训练 知识蒸馏，有一个老师模型，然后训练轻量的学生模型，这样会更快 3.1网络结构：相比于沙漏网络，stage砍半，channel砍半，就没其它改变了 3.2LOSS是两部分，一部分是老师的预测结果，一部分是GT 感觉作者的remark就是在扯淡。 还给了个MSE和交叉熵LOSS，结果差不多 作者还给了不用知识蒸馏结果也在一个点的...
手肘法matlab源码-fast-human-pose-estimation.pytorch:CVPR2019论文《快速人体姿势估计》的官方p
05-20
手肘法matlab源码快速人体姿势估计CVPR2019 介绍 这是的官方pytorch实现。 在这项工作中，我们专注于两个问题 如何使用与模型无关的方法来减小模型大小和计算。 如何提高简化模型的性能。 在我们的论文中 我们通过减少网络的宽度和深度来减少模型的大小和计算量。 提出快速姿势精馏（ FPD ）以改善简化模型的性能。 MPII数据集上的结果证明了我们方法的有效性。 我们使用HRNet代码库重新实现了FPD，并在COCO数据集上提供了额外的评估。 我们的方法（FPD）可以在没有地面标签的情况下工作，并且可以利用未标记的图像。 对于MPII数据集 我们首先训练了一个教师模型（沙漏模型，堆栈= 8，num_features = 256，90.520 @ MPII PCKh@0.5）和一个学生模型（沙漏模型，堆栈= 4，num_features = 128，89.040 @ MPII PCKh@0.5）。 然后，我们使用教师模型的预测和真实标签来共同监督学生模型（沙漏模型，堆栈= 4，num_features = 128，87.934 @ MPII PCKh@0.5）。 我们的实验显示
轻量级人体姿态估计lightweight-human-pose-estimation.rar
06-29
本项目“lightweight-human-pose-estimation.rar”正是深度学习在人体姿态估计这一具体应用上的一个实例，其目标是通过算法精确地识别和定位图像中人物的关键骨骼点。 人体姿态估计是计算机视觉中的一个重要任务，...
multiview-human-pose-estimation-pytorch:这是Pytorch的官方实现，“用于3D人体姿势估计的Cross View Fusion，ICCV 2019”
05-14
此仓库实现了我们的ICCV论文“用于3D人体姿势估计的Cross View融合” 快速开始 安装 克隆此仓库，我们将克隆多视图姿势的目录称为$ {POSE_ROOT} 安装依赖项。 下载pytorch imagenet预训练的模型。 请在$ {POSE_...
lightweight-human-pose-estimation.pytorch-master
09-01
lightweight-human-pose-estimation.pytorch-master是一个用于人体姿势估计的Python库。该库基于轻量级的卷积神经网络模型，可以准确地识别图像或视频中的人体关键点。 该库实现了一个多阶段的姿势估计算法，包含了...
姿态估计的模型评估_快速人体姿态估计：CVPR2019论文阅读
weixin_32127545的博客
01-30 1672
快速人体姿态估计：CVPR2019论文阅读Fast Human Pose Estimation论文链接：http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_Fast_Human_Pose_Estimation_CVPR_2019_paper.pdf摘要现有的人体姿态估计方法通常只考虑如何提高模型的泛化性能，而忽略了显著的效率问题。...
轻量级人体姿势估计.pytorch：在PyTorch中快速准确的人体姿势估计。 包含“ CPU上的实时2D多人姿势估计：轻量级OpenPose”的实现
02-05
CPU上的实时2D多人姿势估计：轻量级OpenPose 该存储库包含培训代码。 这项工作极大地优化了方法，从而可以以可忽略的精度下降在CPU上实现实时推断。 它检测骨骼（由关键点和它们之间的连接组成）以识别图像中每个人的人体姿势。 该姿势可能包含多达18个关键点：耳朵，眼睛，鼻子，脖子，肩膀，肘部，手腕，臀部，膝盖和脚踝。 在COCO 2017关键点检测验证集上，此代码对于单尺度推断（无需翻转或完成任何后处理）可达到40％的AP。 可以使用此存储库复制结果。 此仓库与明显重叠，但是仅包含用于人体姿势估计的必要代码。 :fire: 看看我们的准确的（现在仍然快）单人姿态估计，其中排名在CVPR'19
Python-用于3D人体姿态估计的PyTorch实现
08-11
用于3D人体姿态估计的PyTorch实现
pytorch_Realtime_Multi-Person_Pose_Estimation
04-05
介绍 PyTorch的多人姿势估计 结果 要求 安装 git子模块初始化&& git子模块更新 演示版 下载。 编译C ++后处理： cd lib/pafprocess; sh make.sh cd lib/pafprocess; sh make.sh python demo/picture_demo.py来运行图片演示。 python demo/web_demo.py来运行网络演示。 评估 pythonvaluate python evaluate/evaluation.py评估可可val2017数据集上的模型。 它应该具有mAP 0.653的姿态，以前的rtpose具有mAP 0.577 0.577，因为我们对热图进行左右翻转，对评估进行PAF。 C 主要结果 型号名称 地图 推论时间 [原始姿势] 0.653 -- 下载链接： 开发环境 该代码是在Ubuntu 18.
matlab人头检测的代码-humanpose.pytorch:轻量级移动人体姿势估算项目
05-24
matlab人头检测的代码人为姿势 介绍 这是派生自人体姿势估计的pytorch实现，旨在实现轻量级的实时应用。 特征 它支持分布式DataParallel培训，比原始仓库快得多。 支持轻便的姿势骨干。 支持轻巧的便携式亨曼探测器。 主要结果 MPII val的结果 拱 头 肩膀 弯头 手腕 时髦的 膝盖 踝 吝啬的 均值@ 0.1 pose_hrnet_w32 97.067 95.686 90.21 85.644 89.077 85.795 82.711 89.927 37.931 pose_hrnet_w48 96.930 95.771 90.864 86.329 88.731 86.862 82.829 90.208 38.002 在COCO val2017数据集上使用人类AP为56.4的检测器在COCO val2017上的结果 拱 输入尺寸 #Params 襟翼 重量尺寸 美联社 Ap .5 AP .75 AP（男） AP（长） 增强现实 AR .5 AR .75 手臂） AR（左） pose_hrnet_w18_v1 256x192 130万 0.68克 530万 0.572
Python-包含手和身体姿势估计openpose的pytorch实现
08-11
pytorch implementation of openpose including Hand and Body Pose Estimation.
FPD: Fast Human Pose Estimation
Matthew技术小站
11-16 2381
文章地址:arxiv 这篇文章是电子科技大学和visionsemantics实验室联合发布的一篇文章. 文章目的: 人体姿态估计经过近几年的发展,在精度方面已经做的挺不错了,但越高的精度就意味着越深越宽的网络. 这样就造成了一个问题, 现有的state-of-the-art的模型没有办法在轻量级的设备上跑,例如普通的手机,没有很好的GPU的电脑等等. 文章的目的就是为了能够得到一个很轻量级的模型,...
Knowledge Distillation(9)——Fast Human Pose Estimation
judgechen1997的博客
09-23 376
如果这一系列博客之前的都有看了，且有了解过pose领域的hourglass， 这篇文章的idea就很清晰了： 对每个hourglass module的中继监督，同时加入hard label&teacher’s soft output 关于文章的一些思考，一些别人的博客翻译总结的很好： ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值