“photo wake-up”创新项目实训第一周总结

2019年3月23日

这周从已有的二维图像姿态预测的算法出发,参考论文Convolutional pose machines的算法进行二维姿态预测,得出人体14个关节点的位置。

(S.-E. Wei, V. Ramakrishna, T. Kanade, and Y. Sheikh. Convolutional pose machines. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 4724–4732, 2016)

1.算法研究部分

cpm是CMU开源项目OpenPose的前身,目前在MPII竞赛single person中排名第七。
Pose estimation任务属于FCN的一种,输入是一张人体姿势图,输出n张热力图,代表n个关节的响应。

Pose estimation任务属于FCN的一种,输入是一张人体姿势图,输出n张热力图,代表n个关节的响应。

输出热力图
CPM网络结构如下图所示,X代表了经典的VGG结构,在每个stage末用1✖️1卷积输出heatmap,与label计算loss(中间监督)。
在这里插入图片描述
.Stage 1 input是原图,经过全卷机网络,输出是一个P+1层的2Dmap

Stage 2 input是 StageOutput做处理,并且加上 原图通过几层网络后的中层map。输出同上。

Stage t>2 类似2
(这里相加的话会有一些尺度问题,应该是ψ中操作了,但论文中没有解释ψ。)## 2.用

2.运行准备

环境:windows10+TensorFlow1.4.0+opencv+python3.5
(下载TensorFlow库费了不少劲)

下载官方models放进models/weigh文件夹下

修改几个DEMO_TYPE,输入图片
修改在cpu上运行

运行_cpm_body.py

结果还不错在这里插入图片描述

在这里插入图片描述
下一步是提取出人物关节点的位置。

下周再接再厉。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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