openmmlab-3-MMPose和RTMPose

最新推荐文章于 2024-01-14 12:31:05 发布

SP Gao

最新推荐文章于 2024-01-14 12:31:05 发布

阅读量369

点赞数

文章标签：计算机视觉深度学习人工智能

本文链接：https://blog.csdn.net/sinat_29552897/article/details/131047783

版权

关键点检测的两种流程：

自顶向下(top-down)：先用目标检测算法从图像中将待检测物体识别出来，给出检测框，然后对检测框运行检测关键点检测算法；
自底向上(bottom-up)：检测出图像中所有潜在的关键点，然后对所有的关键点进行分类，将属于同一客观物体的关键点分配给同一物体；

MMPose和RTMPose的区别
MMPose: mmlab开源的一个位姿检测算法库；
RTMPose: 考虑到近年来前沿姿态估计算法不断迭代，在公开数据集上的性能屡创新高，但是在工业界的实际业务中，主流应用的依然是几年前的算法，这些SOTA的算法无法在工业上使用；
原因在于这些算法都太慢了。沉重的计算量与高昂的延迟，意味着昂贵的硬件与成本，而移动端和各种边缘设备由于算力本身受限，算法精度又会一落千丈。更何况，很多应用本身就对算法实时性有着极高的要求。

mmlab开源了RTMPose，用于在更多业务场景和产品中对先进的SOTA算法进行探索和使用；在 MMDeploy 的帮助下，该项目支持 CPU、GPU、Jetson、移动端等多种平台，支持 ONNXRuntime、TensorRT、ncnn、OpenVINO、RKNN 等多种部署框架；