2D和3D人体姿态数据集

最新推荐文章于 2024-08-18 10:31:05 发布
最新推荐文章于 2024-08-18 10:31:05 发布
阅读量1.8k 收藏 23
点赞数 1
分类专栏： deep learning
原文链接：https://www.jianshu.com/p/c046db584a21
版权

转自链接：https://www.jianshu.com/p/c046db584a21

2D数据集

数据集类型关节点数样本数/10^3使用情况
LSP单人142基本弃用
FLIC单人920基本弃用
MPII单人、多人1625主流
MSCOCO多人17>300主流
AI Challenge多人14约=380竞赛专用
PoseTrack多人15>20帧多用于姿态追踪

3D数据集

数据集采集场景采集人数样本数/10^4帧采集人数
Human3.6M室内11360运动捕捉
HumanEva室内4约=8运动捕捉
Total Capture室内5190运动捕捉
JTA Dataset虚拟场景>2050人工注释
MPI-INF-3DHP合成场景8>130运动捕捉 、图像合成
SURREAL合成场景145650运动捕捉 、图像合成
3DPW室外5>5运动捕捉
UP-3D图像采集图像采集约=0.7(10^4幅)人工注释
DensePose COCO图像采集图像采集5(10^4幅)人工注释

PS：在数据处理阶段，3D比2D复杂很多。2D人体姿态识别在dataset和model方面都比3D成熟，2Dmodel也有很多户外，自然界的dataset，但是3D的dataset几乎都是indoor的。因为3D标注、识别的复杂，所以需要大量的传感器，摄像头去采集数据。

姿态估计等数据集收集整理：检测与姿态估计的评价标准、开源数据集、COCO和MPII的认识、COCO数据集的标注格式



 

行万里路大于读万卷书
关注
专栏目录
人体姿态估计数据集整理（Pose Estimation/Keypoint）：MSCOCO（逐年）、LSP、FLIC、MPII、AI Challenge及打分标准
m0_37644085的博客
09-30 1万+
姿态估计等数据集收集整理； LSP: 样本数：2K 关节点个数：14 全身，单人 Leeds Sports Dataset [12]及其扩展[13]，我们将通过LSP共同表示。它们包含11000个训练和1000个测试图像。这些是来自体育活动的图像，因此在外观和特别是关节方面非常具有挑战性。 FLIC 样本数：2W. 关节点个数：9 全身，...
人体姿态识别
10-26
CVPR2017的最新论文，实时的人体姿态估计算法。对深度学习爱好者有帮助
Pose2Mesh：将2D姿态转化为3D人体模型的高效工具
最新发布
gitblog_00867的博客
08-18 318
Pose2Mesh：将2D姿态转化为3D人体模型的高效工具 Pose2Mesh_RELEASE项目地址:https://gitcode.com/gh_mirrors/po/Pose2Mesh_RELEASE 在当今的计算机视觉领域，将2D图像中的姿态信息转化为3D模型是一个极具挑战性的任务。Pose2Mesh项目正是为了解决这一难题而诞生的。本文将详细介绍Pose2Mesh的功能、技术细节、应用...
Python-获取Human36M3D人体姿态数据集
08-12
Human 3.6M 3D human pose dataset fetcher
3D人体姿态估计（介绍及论文归纳）
weixin_43955293的博客
05-20 2693
3D人体姿态估计（介绍及论文归纳） 基本概念姿态估计难点人体结构化特性2D 姿态估计任务挑战 3D 姿态估计问题挑战应用方法 数据集类型可用信息姿态数据集PoseTrackCrowdPoseHuman3.6MDensePoseCOCOMPIIFLICLSP RGB数据集Leeds Sports Pose (LSP) DatasetFLIC DatasetMPII Human Pose DatasetMS COCO Keypoint LeaderboardAI ChallengePoseTr.
2D&3D Pose数据集
u011994454的博客
03-30 835
2d&3D Pose数据集2D数据集COCOAICMPIICrowdPoseOCHuman3D数据集Human36M功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 2D数据集 你好！ 这是你第一次使用 Markdown编辑
3D人体姿态估计-从2D视频中通过检测人体关键点来估计3D人体姿态实现-优质项目实战.zip
03-27
项目实战可能包括详细的代码实现、数据集介绍、模型训练过程、结果可视化等内容，为学习者提供了一个从零开始实现3D人体姿态估计的完整流程。通过实践这个项目，不仅可以掌握人体关键点检测的技巧，还能了解到深度...
3D姿态估计-基于2D关键点轨迹在视频中进行高效3D人体姿态估计-优质项目实战.zip
03-27
本项目实战以"3D姿态估计-基于2D关键点轨迹在视频中进行高效3D人体姿态估计"为主题，通过2D关键点的检测和追踪来实现对三维人体姿态的有效估计。 首先，我们要理解2D关键点检测的重要性。在人体姿态估计中，关键点...
2D与3D人体姿态估计数据集（统计）
m0_50811752的博客
05-02 5177
相关数据集的快速发展促进了基于深度学习的姿态估计方法的发展。公共数据集为不同的方法提供了培训来源和公平的比较。考虑到数据集的规模和姿势和场景的多样性，在本文中，主要介绍了近年来的代表性数据集。它们中大多数都是高质量和大规模的数据集，在不同的拍摄场景中都有良好的注释。 图像级2D单人数据集（待补充） 图像级2D多人数据集（待补充） 视频级2D单人数据集（待补充） 3D单人数据集 Human3.6M Human3.6M是使用最广泛的多视图单人三维人体姿态基准。该数据集使用4个RGB摄像机、1个飞行时间传感器和1
深度图像&骨骼数据进行动作识别数据集
orDream的博客
05-05 9557
UT-Kinect数据集:通过固定的使用一个固定的Kinect和Kinect for Windows SDKBeta版本的深度相机以15 fps的帧速率收集数据，包含RGB，Depth和3Dskeleton数据。UT-Kinect将样本分为10种日常生活行为，包括走路，坐下，站起来，拿起，携带，扔，推，拉，挥手，拍手 （walk, sit down, stand up, pick up, c...
人偶格斗(2D游戏画面超好玩)
01-19
在这场格斗游戏中，你要控制白方人偶,经过移动和强劲的打击，展示高超的技巧，击败越来越多和强大的对手。 本作真实的模拟出打斗中的各种动作，不仅有着游戏的趣味性，还可以使一些制作者获得灵感的启发。 画　面： 2D游戏画面及为简单，黑色的背景时而出现彩色的线状条纹，人物造型也以单线条勾勒，打击效果使用小面积的色块渲染，整体感觉清晰明快。 声　音： 原创的背景音乐，完好的体现出紧张激烈的打斗气氛。身体碰撞的真实声音效果也有所表现。 上手度： 游戏全程为键盘控制，上手和操作都非常简单。单人游戏只需要使用4个方向键就可以控制人偶的动作，双人模式的另一玩家键位是W、A、S、D。 创　意： 游戏的画面表现的十分独特，打斗游戏中不可或缺的血腥场面，在本作中也以简单的红色点状作以处理，减少了对小年龄游戏者的负面影响。使用最基本的手法展现出原始的动作格斗游戏乐趣。 可玩性： 游戏中玩家可以进行单人闯关模式，也可以和朋友进行对战。Ragdoll Masters这部作品你可以把它当做游戏玩耍，也可以把它看作为一款模拟软件进行学习。
MPII Human Shape 人体模型数据集.torrent
03-11
MPII Human Shape 是一个人体模型数据集，包括一系列人体轮廓和形状的 3D 模型及工具，其中训练模型从平面扫描数据库 CAESAR 学习得到。 【这个只是种子资源，需要自己下载】MPII 人体形态是一组三维人体形态模型和工具，用于人体形态空间的构建、操作和评价，人体形状空间基于统计身体表示学习从凯撒数据集，也是迄今为止最大的商业可用扫描数据库。 该数据集由 Max Planck 信息学研究所于 2017 年发布, 主要发布人为 Leonid Pishchulin, Stefanie Wuhrer, Thomas Helten, Christian Theobalt and Bernt Schiele，相关论文《Building Statistical Shape Spaces for 3D Human Modeling》
人体检测正负样本数据集
04-19
本数据集是我从INRIA中裁剪而来，全是64*128的图片。整个文件就分为正负样本两个文件夹，没有INRIA这么混乱。其中正样本3548张，负样本16710张。在样本文件夹旁边给出了文件列表文件。可以用作人体检测训练。
人体姿态估计数据集汇总
snailme的博客
07-18 7814
LSP 地址：http://sam.johnson.io/research/lsp.html 样本数：2K 关节点个数：14 全身，单人 类别：体育类 训练和测试样本数量：11000/1000 FLIC 地址：https://bensapp.github.io/flic-dataset.html 样本数：2W 关节点个数：9 全身，单人 类别：影视 训练和测试样本数量...
【动作识别相关，第一篇】skeleton骨骼点数据类型介绍
机器学习杂货铺1号店
02-24 6710
前言 本文主要是对多视角动作识别问题以及基于骨骼点(Skeleton)模态数据的动作识别问题的一个简单的综述性文章，本文提到的方法，大部分是基于骨骼点数据进行的，为了读者可以有个更好地理解，本文将会从数据的获得开始谈起。如有谬误，请联系指出，如需转载，请注明出处，谢谢。 ∇\nabla∇联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: htt...
室内场景数据集
sinat_41819160的博客
11-12 2382
链接：http://web.mit.edu/torralba/www/indoor.html
AI Challenge Human Pose 评测代码分析
aiqiu_gogogo的博客
09-27 1308
评测方法和标准 根据最终提交的submit.json文件和ground.json文件计算mAP得分； 评测代码最终会输出mAP结果，错误信息和警告信息； 主函数分析 读入检测结果的json文件和ground truth的json文件名称，分别赋值给args.submit和args.ref；初始化返回字典，包含一个error信息，一个score信息，多个warning信息；加载标注文件信息，load_
CV之IPE之PoseEstimation：Pose Estimation人体姿态估计的简介(AI识人,OpenPose+DeepCut+RMPE+Mask RCNN)、案例应用(活动识别)之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
08-25 5283
人体姿态估计，pose estimation，就是通过将图片中已检测到的人体关键点正确的联系起来，从而估计人体姿态。人体关键点通常对应人体上有一定自由度的关节，比如颈、肩、肘、腕、腰、膝、踝等，如上图。COCO输出格式：鼻子-0、脖子-1；右肩-2、右肘-3、右手腕-4、左肩-5、左肘-6、左手腕-7、右臀-8、右膝盖-9、右脚踝-10、左臀-11、左膝盖-12、左脚踝-13；右眼-14、左眼-15、有耳朵-16、左耳朵-17；背景-18.人体姿态骨架图 (skeleton) 用图形格式表示人的动作。
评论 1
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