PCT: Human Pose as Compositional Tokens的复现

最新推荐文章于 2024-07-12 16:21:48 发布
最新推荐文章于 2024-07-12 16:21:48 发布
阅读量577 收藏 18
点赞数 24
文章标签： 深度学习
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/qq_35545535/article/details/139774976
版权

主要还是下面几个模块的问题

torch==1.8.0
torchvision==0.9.0
opencv-python
numpy
mmcv==1.7.0
mmpose==0.29.0
tqdm
yacs
json_tricks
tensorboardX
pycocotools   
scipy
timm
albumentations

复现时一定要确定MMCV、MMPose、torch 这几个模块的对应版本

复现成功的环境,加粗的部分重点注意

 Name                    Version                   Build  Channel
_libgcc_mutex             0.1                        main  
_openmp_mutex             5.1                       1_gnu  
addict                    2.4.0                    pypi_0    pypi
albucore                  0.0.5                    pypi_0    pypi
albumentations            1.3.0                    pypi_0    pypi
aliyun-python-sdk-core    2.15.1                   pypi_0    pypi
aliyun-python-sdk-kms     2.16.3                   pypi_0    pypi
annotated-types           0.7.0                    pypi_0    pypi
attributee                0.1.9                    pypi_0    pypi
blas                      1.0                         mkl  
ca-certificates           2024.3.11            h06a4308_0  
certifi                   2024.6.2                 pypi_0    pypi
cffi                      1.16.0                   pypi_0    pypi
charset-normalizer        3.3.2                    pypi_0    pypi
chumpy                    0.70                     pypi_0    pypi
click                     8.1.7                    pypi_0    pypi
colorama                  0.4.6                    pypi_0    pypi
contourpy                 1.1.1                    pypi_0    pypi
crcmod                    1.7                      pypi_0    pypi
cryptography              42.0.8                   pypi_0    pypi
cudatoolkit               11.0.221             h6bb024c_0  
cycler                    0.12.1                   pypi_0    pypi
cython                    3.0.10                   pypi_0    pypi
dotty-dict                1.3.1                    pypi_0    pypi
filelock                  3.14.0                   pypi_0    pypi
fonttools                 4.53.0                   pypi_0    pypi
freetype                  2.12.1               h4a9f257_0  
fsspec                    2024.6.0                 pypi_0    pypi
huggingface-hub           0.23.4                   pypi_0    pypi
idna                      3.7                      pypi_0    pypi
imageio                   2.34.1                   pypi_0    pypi
importlib-metadata        7.1.0                    pypi_0    pypi
importlib-resources       6.4.0                    pypi_0    pypi
intel-openmp              2023.1.0         hdb19cb5_46306  
jmespath                  0.10.0                   pypi_0    pypi
joblib                    1.4.2                    pypi_0    pypi
jpeg                      9e                   h5eee18b_1  
json-tricks               3.17.3                   pypi_0    pypi
kiwisolver                1.4.5                    pypi_0    pypi
lap                       0.4.0                    pypi_0    pypi
lazy-loader               0.4                      pypi_0    pypi
lcms2                     2.12                 h3be6417_0  
ld_impl_linux-64          2.38                 h1181459_1  
lerc                      3.0                  h295c915_0  
libdeflate                1.17                 h5eee18b_1  
libffi                    3.4.4                h6a678d5_1  
libgcc-ng                 11.2.0               h1234567_1  
libgomp                   11.2.0               h1234567_1  
libpng                    1.6.39               h5eee18b_0  
libstdcxx-ng              11.2.0               h1234567_1  
libtiff                   4.5.1                h6a678d5_0  
libuv                     1.44.2               h5eee18b_0  
libwebp-base              1.3.2                h5eee18b_0  
lz4-c                     1.9.4                h6a678d5_1  
markdown                  3.6                      pypi_0    pypi
markdown-it-py            3.0.0                    pypi_0    pypi
matplotlib                3.7.5                    pypi_0    pypi
mdurl                     0.1.2                    pypi_0    pypi
mkl                       2023.1.0         h213fc3f_46344  
mkl-service               2.4.0            py38h5eee18b_1  
mkl_fft                   1.3.8            py38h5eee18b_0  
mkl_random                1.2.4            py38hdb19cb5_0  
mmcls                     0.25.0                   pypi_0    pypi
mmcv-full                 1.6.2                    pypi_0    pypi
mmdet                     2.28.0                   pypi_0    pypi
mmengine                  0.10.4                   pypi_0    pypi
mmpose                    0.29.0                   pypi_0    pypi
model-index               0.1.11                   pypi_0    pypi
motmetrics                1.4.0                    pypi_0    pypi
munkres                   1.1.4                    pypi_0    pypi
ncurses                   6.4                  h6a678d5_0  
networkx                  3.1                      pypi_0    pypi
ninja                     1.10.2               h06a4308_5  
ninja-base                1.10.2               hd09550d_5  
numpy                     1.24.4                   pypi_0    pypi
opencv-python             4.10.0.82                pypi_0    pypi
opencv-python-headless    4.10.0.82                pypi_0    pypi
opendatalab               0.0.10                   pypi_0    pypi
openjpeg                  2.4.0                h3ad879b_0  
openmim                   0.3.9                    pypi_0    pypi
openssl                   3.0.14               h5eee18b_0  
openxlab                  0.1.0                    pypi_0    pypi
ordered-set               4.1.0                    pypi_0    pypi
oss2                      2.17.0                   pypi_0    pypi
packaging                 24.1                     pypi_0    pypi
pandas                    1.3.5                    pypi_0    pypi
pillow                    10.3.0           py38h5eee18b_0  
pip                       24.0             py38h06a4308_0  
platformdirs              4.2.2                    pypi_0    pypi
protobuf                  5.27.1                   pypi_0    pypi
pycocotools               2.0.7                    pypi_0    pypi
pycparser                 2.22                     pypi_0    pypi
pycryptodome              3.20.0                   pypi_0    pypi
pydantic                  2.7.4                    pypi_0    pypi
pydantic-core             2.18.4                   pypi_0    pypi
pygments                  2.18.0                   pypi_0    pypi
pyparsing                 3.1.2                    pypi_0    pypi
python                    3.8.19               h955ad1f_0  
python-dateutil           2.9.0.post0              pypi_0    pypi
pytz                      2023.4                   pypi_0    pypi
pywavelets                1.4.1                    pypi_0    pypi
pyyaml                    6.0.1                    pypi_0    pypi
qudida                    0.0.4                    pypi_0    pypi
readline                  8.2                  h5eee18b_0  
requests                  2.28.2                   pypi_0    pypi
rich                      13.4.2                   pypi_0    pypi
safetensors               0.4.3                    pypi_0    pypi
scikit-image              0.19.3                   pypi_0    pypi
scikit-learn              1.3.2                    pypi_0    pypi
scipy                     1.10.1                   pypi_0    pypi
seaborn                   0.13.2                   pypi_0    pypi
setuptools                60.2.0                   pypi_0    pypi
shapely                   2.0.4                    pypi_0    pypi
six                       1.16.0                   pypi_0    pypi
sqlite                    3.45.3               h5eee18b_0  
tabulate                  0.9.0                    pypi_0    pypi
tbb                       2021.8.0             hdb19cb5_0  
tensorboardx              2.6.2.2                  pypi_0    pypi
termcolor                 2.4.0                    pypi_0    pypi
terminaltables            3.1.10                   pypi_0    pypi
threadpoolctl             3.5.0                    pypi_0    pypi
tifffile                  2023.7.10                pypi_0    pypi
timm                      1.0.3                    pypi_0    pypi
tk                        8.6.14               h39e8969_0  
tomli                     2.0.1                    pypi_0    pypi
torch                     1.8.0+cu111              pypi_0    pypi
torchaudio                0.8.0                    pypi_0    pypi
torchvision               0.9.0+cu111              pypi_0    pypi
tqdm                      4.65.2                   pypi_0    pypi
typing-extensions         4.12.2                   pypi_0    pypi
typing_extensions         4.11.0           py38h06a4308_0  
tzdata                    2024.1                   pypi_0    pypi
urllib3                   1.26.18                  pypi_0    pypi
wheel                     0.43.0           py38h06a4308_0  
xmltodict                 0.13.0                   pypi_0    pypi
xtcocotools               1.14.3                   pypi_0    pypi
xz                        5.4.6                h5eee18b_1  
yacs                      0.1.8                    pypi_0    pypi
yapf                      0.32.0                   pypi_0    pypi
zipp                      3.19.2                   pypi_0    pypi
zlib                      1.2.13               h5eee18b_1  
zstd                      1.5.5                hc292b87_2  

相关数据集后面会给出阿里云盘：

MapleRa
关注
  • 24
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
探索创新——Human Pose as Compositional Tokens
gitblog_00061的博客
05-28 268
探索创新——Human Pose as Compositional Tokens 项目地址:https://gitcode.com/Gengzigang/PCT 在这个科技日新月异的时代，计算机视觉领域的进展一直在推动着人工智能的边界。今天，我们向您推荐一个名为“Human Pose as Compositional Tokens”的开源项目，它为人体姿态估计带来了全新的视角和方法。这个项目基于一...
CVPR2023论文速递（2023.3.22）！已接入ChatGPT总结！共31篇！
zero的博客
03-22 6653
整理：AI算法与图像处理CVPR2023论文和代码整理：https://github.com/DWCTOD/CVPR2023-Papers-with-Code-Demo欢迎关注公众号 AI算法与图像处理，获取更多干货：大家好,最近正在优化每周分享的CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈大家好，目前给每天的论文汇总接入chatGPT帮忙总结，目前在...
Human Pose as Compositional Tokens 阅读笔记
AnZhiJiaShu's blog
05-01 2174
人体姿态常由身体关节的坐标向量或其热图embedding表示。虽然数据易于处理，但由于身体关节间缺乏依赖建模，即使是不现实的姿态也被接受。本文提出了一种结构化表示：Pose as Compositional Tokens（PCT），以探索关节依赖性，PCT 由M个离散的 token 表示一个姿态，每个token 都表征一个具有几个相互依赖关节的子结构（见图1）。这种合成设计能以低成本实现微小的重建误差，然后将姿态估计视作一项。
63、GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields
小白的博客
10-17 677
GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields
GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields(CVPR2021 Best paper)
qq_43420530的博客
08-15 5278
NeRF 《On the spectral bias of neural networks》ICML2018 发现尽管神经网络是万能函数近似器，但是它更倾向于学习低频特征，如果在输入信息传递给网络之前，使用高频函数将输入信息映射到更高维度的空间，可以更好地拟合包含高频变化的数据 ...
[CVPR2021-best]GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields
wrk226的博客
02-13 2586
NeRF中，我们是使用一个辐射场来模拟一个现实场景，虽然相机可以任意改变位置，但是场景里的东西是固定不能动的，因为一个辐射场就是一个整体。而本文则是通过将多个辐射场组合，从而使得任一辐射场都可以在场景内任意移动。当然，本文将辐射场radiance field称之为feature field。 文章组成： 1.首先整体流程就是用的GRAF那一套，因此包含了一个生成器和一个鉴别器，只不过生成器内部有所区别。一方面GIRAFFE里有多个辐射场，另一方面是在渲染方面进行了一点改变。 2.首先，因为有多个辐
GIRAFFE：Representing Scenes as Compositional Generative Neural Feature Fields
KeepLearning1的博客
04-19 239
深度生成模型可以在高分辨率下进行逼真的图像合成。但对于许多应用来说，这还不够：内容创作还需要做到可控。GRAF加入了形状编码和外观编码，实现对场景中物体的编辑。GiRAFFE的关键假设是，**将组合式三维场景表示纳入生成模型，可以使图像合成更加可控。**将场景表示为生成性神经特征场，使得能够从背景中分离出一个或多个物体，以及单个物体的形状和外观，同时无需任何额外的监督就能从非结构化和非posed的图像集中学习。将这种场景表示与神经渲染管道结合起来，可以产生一个快速而真实的图像合成模型。
MPII Human Pose Data MPII 人类姿势数据-数据集
03-16
数据集的核心是".csv"文件，名为"mpii_human_pose.csv"。这种格式通常用于存储结构化数据，如表格，其中每一行代表一个样本，每一列对应不同的特征或属性。在这个特定的情况下，".csv"文件可能包含了关于图像、人物...
:magnet:Grid Compositional Layout是一个SwiftUI 2.0视图，它在网格中对提供的视图进行布局-Swift开发
05-27
易于配置和延迟保留的[Swift 5.3，iOS 14.0+，iPadOS 14.0+，macOS 11.0（10.16）+] grid-compositional-layout最新更新：27 / June / 2020。 如果您喜欢该项目，请给它加一个星标:star:它将显示创建者的赞赏并帮助...
COVARIANT COMPOSITIONAL NETWORKS FOR LEARNING GRAPHS.pdf
02-14
COVARIANT COMPOSITIONAL NETWORKS FOR LEARNING GRAPHS.pdf
compositional-semantics:在词向量表示上学习组合函数的工具包
06-22
compositional-semantics是一个给定单词向量表示的组合函数学习包。 一个特殊功能是检测和处理非组合短语。系统要求NumPy 和 SciPy端到端流水线指令输入：词向量、上下文向量、PPDB 为了使事情更快，最好是在PPDB...
IBPCollectionViewCompositionalLayout:将UICollectionViewCompositionalLayout移植到较早的iOS 12
05-23
IBPCollectionViewCompositionalLayout 将UICollectionViewCompositionalLayout移植到较早的iOS 12。 新的类已添加到UIKit中，以使创建自定义复杂集合视图布局变得异常容易。 您可以立即使用新的出色API，而无需...
深度学习之轻量化神经网络MobileNet
JustinMars的博客
07-12 150
轻量化神经网络MobileNet是一种专为移动和嵌入式设备设计的高效卷积神经网络模型。它通过引入深度可分离卷积（Depthwise Separable Convolutions）技术，大大减少了模型参数和计算量，同时保持了较高的准确性。
240712_昇思学习打卡-Day24-LSTM+CRF序列标注（3）
最新发布
weixin_66378701的博客
07-12 503
今天做LSTM+CRF序列标注第三部分，同样，仅作简单记录及注释，最近确实太忙了。
昇思25天学习打卡营第21天|RNN实现情感分类
Evrils的博客
07-11 621
由于只进行了两轮训练，可以发现模型效果并不好。
37.深度学习中的梯度下降法及其实现
qq_41238579的博客
07-10 584
梯度下降法（Gradient Descent）是一种常用的优化算法，广泛应用于机器学习和深度学习中。其基本思想是通过迭代更新参数，使得损失函数逐步减小，最终找到最优解。常见的梯度下降法包括随机梯度下降（SGD）、动量法（Momentum）、自适应学习率方法（Adagrad、RMSprop、Adadelta）和Adam等。本文通过代码实现详细展示了梯度下降法在二维和三维空间中的应用，并对比了多种优化器的效果。通过这些实践，我们能够更直观地理解梯度下降法的工作原理及其在深度学习中的应用。
人工智能及深度学习在病理组学中的应用概述｜系列推文·24-07-11
qq_45404805的博客
07-10 1252
首先，小罗会带大家回顾计算机和编程的起源，解释从最初的电子计算器到现代计算机的发展历程，以及高级编程语言如何简化计算机指令的编写。其次，本期推文会深入探讨机器学习的不同类型，包括深度学习、神经网络和其他学习算法，以及它们如何被应用于解决实际问题，特别是在病理学领域。最后，小罗会列举一些AI技术当前面临的挑战，包括算法的单一任务限制、对大量数据集的需求以及计算过程中的能源效率问题……。
Compositional Human Pose Regression
03-29
Compositional human pose regression is a technique used in computer vision and machine learning to predict the pose of a human body in an image. It involves breaking down the human body into smaller parts or joints, and predicting the position and orientation of each joint separately. The process of compositional human pose regression involves training a machine learning model on a dataset of labeled images. The model is typically a deep neural network that learns to identify the different parts of the body and their positions in the image. The training process involves adjusting the weights of the network to minimize the difference between the predicted and actual joint positions. Once the model is trained, it can be used to predict the pose of a human body in a new image. The image is first passed through the network, which predicts the position of each joint. The joint positions are then combined to form a complete pose estimation. Compositional human pose regression is used in a variety of applications, including human-computer interaction, motion capture, and surveillance. It has also been used in medical imaging to predict the pose of a patient's body during radiation therapy.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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