悠唐破坏王段艺璇嵌入骨髓里的打call之力首次披露，杨晔表现中规中矩。骨灰级打call教学视频www.bilibili.com
上次比较了一下三大框架，后来知道AlphaPose是beta版本，不算公平：）。
他们也重现了我跑的实验，有了很大的提升。具体在评论区。
因此我觉得再构造一些图片，然后人工评估，意义不是很大，清明假期，想来欠一个公平的比较，而且我觉得AlphaPose效果过了这么久了，应该不错，而且是Pytorch（我喜欢），所以我一方面可以做一个有趣的活，另外一方面可以再来一次火星撞地球的比较。
玄学开始
指标1 人气
人气这个东西很玄，一方面和不同pose框架的效果有关，另外一方面也考验项目的可用性（比如需要一大堆安装包，项目太乱无法阅读，没有release好的东西都会降低项目的可用性），此外人气也和宣传效果等因素有关。
由于这个指标太玄，地区差异大，我就选取了bilibili关键词检索结果，一方面pose是计算机视觉领域，对视频网站有重要影响，另外一方面bilibili野生技术协会还算比较出名，总体接近框架使用人群，如图：
就指标1来看，国内人气上，OpenPose > AlphaPose >> DeeperCut。我个人体会来看，OpenPose夺冠还是能理解的，毕竟有编译好的东西，相关文档使用也比较全，win版本下下来，cpu和gpu都能跑，多简单。而AlphaPose, 则自己去cmake吧。。。
然后github的star和fork也一定程度反映出受欢迎程度，至于citation，也行。可以看出来，无论是star还是citation，都表明OpenPose的受欢迎程度高于其他。
实战
前面提到了pose estimation是理解人类行为非常关键的一步，而人类的行为包括运动，舞蹈等，而这次想要搞的就是打call，嗯，就是打电话！
首先选取一段较为专业的打call教学视频，前面教学部分跳过，直接进入打call部分。
https://www.bilibili.com/video/av47605673www.bilibili.com本来想要直接输入视频的，但是我发现实在太卡，几次电脑直接死机了，还是硬核搞吧。
首先把视频转为图片，然后对每一个图片进行pose标注，然后再利用标注的点自己画一个“骨灰级“打call视频。
机器配置：Ubuntu16 I7-4700MQ 8G RAM
和之前一样的原因，穷，只用CPU，并且为了统一比较，在linux进行。
因此，需要编译OpenPose的CPU版本，有小坑（网络很不好，子目录caffe要记得git拉回）
AlphaPose手动去掉项目中的``.cuda```, 如PyTorch CPU version
然后pose-tensorflow问题不大，只装cpu版本的tensorflow即可。
然后对4317个图片进行pose标注，记录下标注的点信息。具体每种方法的点数也稍有不同，具体的output参看Openpose的说明。
指标2 实战之速度
时间上，AlphaPose表现出很好的速度, 是最快的，一晚上就完事了，而别的框架实在是太慢了。。。OpenPose差点把我机器跑坏了。。。。当然有机器的朋友们直接怼GPU即可...
速度上： AlphaPose > DeeperCut > OpenPose
指标3 实战之输出和最后效果
当然除了速度外，质量也非常重要
这个方面，我个人的总结是，OpenPose > AlphaPose > DeeperCut。
原因如下，首先，三者的输出稍有不同，我稍微统一了一下，都是17个点，但是为了效果，我手动计算了一个点的位置，和OpenPose接近，而为了效果，取消了脸上的点，用鼻子作为中点，画个圆。然后做了一些简单的清洗和排序，得到了开头的视频。
这个视频我觉得还是能支持我的观点的，也就是OpenPose表现很好，也很稳定。然后AlphaPose也很不错，那么观点坏在的就是头太抖，也就是对于鼻子位置的标注不稳定。如下图，在两张非常接近的情况下， AlphaPose对于鼻子的标注位置是不如OpenPose稳定的，类似的细节很多，所以，AlphaPose我个人觉得效果不如OpenPose。不过考虑到速度，额，也还行.
然后我DeeperCut的坑点就比较多了？？比较多的是标点错误，和神秘的左上角？？？
总结
OpenPose很棒但是没钱的人玩起来很痛苦，AlphaPose差强人意:) 我喜欢Pytorch
然后deepercut。也许是我姿势不对...
都骨灰了，你会打call
4080
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
