2D&3D Pose数据集

2D数据集

你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

COCO

AIC

MPII

CrowdPose

OCHuman

3D数据集

Human36M

human36M的原始2d关键点为17个,如下图所示,一般训练时还会人为加一些点位,比如Thorax等, Thorax是通过左右肩补出来的。
Human36M

num_joints = 18
joints_name = ('Pelvis', 'R_Hip', 'R_Knee', 'R_Ankle', 'L_Hip', 'L_Knee', 'L_Ankle', 'Torso', 'Neck', 'Nose', 'Head', 'L_Shoulder', 'L_Elbow', 'L_Wrist', 'R_Shoulder', 'R_Elbow', 'R_Wrist', 'Thorax') # manually added 'Thorax
skeleton = [[0, 7], [7, 8], [8, 9], [9, 10], [8, 11], [11, 12], [12, 13], [8, 14], [14, 15], [15, 16], [0, 1], [1, 2], [2, 3], [0, 4], [4, 5], [5, 6]]
flip_pairs = [[1, 4], [2, 5], [3, 6], [14, 11], [15, 12], [, 16, 13]]
action_name = ['Directions', 'Discussion', 'Eating', 'Greeting', 'Phoning', 'Posing', 'Purchases', 'Sitting', 'SittingDown', 'Smoking', 'Photo', 'Waiting', 'Walking', 'WalkDog', 'WalkTogether']
root_idx = joints_name.index('Pelvis')
if data_split == 'train':
	if protocol == 1:
		subject = [1, 5, 6, 7, 8, 9]
	elif protocol == 2:
		subject = [1, 5, 6, 7, 8]
elif data_split == 'test':
	if protocol == 1:
		subject = [11]
	elif protocol == 2:
		subject = [9, 11]

MuCo-3DHP

MuPoTS-3D

5w多帧,20个真实世界场景,每个场景都有三个目标。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OpenPose数据集是一个广泛使用的视觉数据集,主要用于人类姿态估计和人体运动追踪的研究。该数据集包含了大量的人类活动视频,例如体育运动、日常生活以及表演艺术等多种场景。它为研究人类姿态估计、行为分析、人体运动追踪以及模式识别等领域提供了一个宝贵的资源。 OpenPose数据集的特点是标记数据非常详细、准确,并且可以提供多种不同的格式,例如2D Pose3D Pose以及Body Part Localization,可以满足不同研究的需求。此外,OpenPose数据集还提供了多角度和背景复杂的视频数据,这些都是实现高效人体姿态估计领域的关键因素。 OpenPose数据集在计算机视觉领域具有重要的作用,它启发了很多人类动作分析的前沿研究,如运动捕捉、3D人体重建、生物医学等领域,给这些领域的学者和工程师提供了极有价值的研究数据。同时,OpenPose数据集也在商业领域被广泛应用,例如运动教练、人体姿态纠正和虚拟试衣等应用。 OpenPose数据集为人体姿态估计研究和应用的发展提供了强有力的支持,它将在未来的人工智能技术方向上发挥更重要的作用,成为计算机视觉领域的一个重要资源。 ### 回答2: OpenPose数据集是一个广泛使用的姿势估计数据集,包含着人类身体姿态方面的信息,是在计算机视觉领域中的关键数据集之一。该数据集是以开源的形式公开发布的,因此可用于各种类型人体跟踪、动作识别、增强现实和虚拟现实等项目的开发和研究。 OpenPose数据集中的图像含有对每个人的骨骼节点和关键点的精确描述。这些节点包括眼睛、鼻子、手肘、手腕等,用来描述人的姿态。OpenPose数据集的图片数量众多,涵盖了各种复杂的动作,如跳舞、运动等。同时,OpenPose数据集被用于训练人体检测和跟踪模型,使其能够更加准确地识别人类姿态。 在进行姿态估计时,OpenPose采用了基于CNN的多阶段方法。首先,网络对输入图像进行卷积和池化处理,然后通过逐层的连接和反卷积将输出映射到空间坐标。这些输出成对出现,形成了骨骼和关键点的估计结果。最后,通过一些后处理技术,如非极大值抑制、插值等,来细化估计结果。 总的来说,OpenPose数据集为研究者和开发者提供了一组重要的工具,并且它的使用是逐渐普及的,未来仍有很多可期的发展潜力。 ### 回答3: OpenPose数据集是一个用于人体姿势估计的开源数据集,主要用于研究人体姿态识别算法和深度学习模型。该数据集由多个摄像头捕捉到的人体姿态图像序列组成,并配有相应的姿态标签,可以用于训练和测试人体姿态估计模型。数据集中的图像包含了不同种族、不同性别和不同年龄段的人体姿态图像,以此确保数据集的广泛性和多样性。 openPose数据集中具体的数据包括了人体关节坐标、姿态角、人体部位掩码和人体骨骼关系等信息,这些信息有利于深度学习模型对人体姿态进行分析和识别。该数据集还提供了多种数据格式的支持,包括COCO、MPI、APC等,可以在不同的姿态估计算法中灵活使用。 总之,OpenPose数据集是一个重要的数据资源,为研究人体姿态估计算法提供了必要的背景和数据支持,可以提高算法的准确度和鲁棒性。该数据集的发布也促进了人体姿态识别算法的发展和应用。
评论
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