姿态估计
文章平均质量分 73
Begin,again
这个作者很懒,什么都没留下…
展开
-
ViPNAS: Efficient Video Pose Estimation via Neural Architecture Search论文解读
ViPNAS: Efficient Video Pose Estimation via Neural Architecture Search 论文解读写在前面: 最近在做姿态估计相关课题,目前已经实现了Open-pose、 Hrnet、Alphapose等主流模型,这些模型通过训练已经可以达到我所需要的准确率要求,然而,在推理速度上却远远不能满足我的需求,目前,上述网络在2080ti上fps基本上可以在15左右,然而,我最终的想法是部署在边缘式设备上,边缘式由于算力以及内存的限制,若现在简单粗暴将上述模型原创 2021-06-03 21:02:45 · 1955 阅读 · 5 评论 -
改动模型后,加载部分预训练权重文件
加载部分预训练权重文件最近在做姿态估计相关内容,需要将Hrnet模型修改,Hrnet是基于coco数据集训练的,coco数据集是17个关节点,而我需要的是15个关节点,在将数据集标好训练之后,发现由于数据量比较小,模型能够很快收敛,但是泛化性能极差,于是,就想着把之前的coco预训练权重文件拿出来一部分,对我自己的模型进行训练,果不其然,在使用部分预训练权重文件进行训练后,模型的泛化性有了很大的改善,现在分享给大家。1首先我们需要明确权重文件的类型是什么:我们在使用pytorch进行模型训练的时候,最后原创 2021-04-23 17:03:03 · 4919 阅读 · 5 评论 -
制作自己的coco关键点数据集
制作自己的coco关键点数据集1、将我们需要标注的图片进行重命名,由于coco数据集图片的名称是12位数字,形式如 00000000001。代码如下:import osfrom tqdm import tqdmimport codecsimport jsonfor root, _, path in os.walk(<保存图片的文件夹路径>): for s in tqdm(path): os.renames('<保存图片的文件夹路径>/{}'.for原创 2021-04-21 19:41:56 · 5725 阅读 · 94 评论