人体姿态估计
文章平均质量分 74
xz1203
这个作者很懒,什么都没留下…
展开
-
FAMI-Pose训练
FAMI-Pose训练原创 2023-04-28 17:15:44 · 1149 阅读 · 24 评论 -
DCPose 训练
整体来说,dcpose的训练坑还有点多,主要的问题是posetrack数据集格式。这个数据集就很奇怪,官网都进不去,也不知道为什么。然后很多做这个方向的代码会将官方的mat转成json并且搞成为coco的那种格式。总的来说还是要注意看readme。原创 2023-03-30 20:27:47 · 1165 阅读 · 26 评论 -
FAMI-Pose:Temporal Feature Alignment and Mutual Information Maximization for Video-Based Human Pose
本文提出了一种新的方法,名为FAMI-Pose,用于解决多帧人体姿态估计中的特征对齐问题。该方法通过在中间特征级别进行监督,利用相邻帧中的信息来增强关键帧特征,从而提高姿态估计的准确性,还引入了一种新的信息论损失函数,叫互信息(Mutual Information),用于约束从相邻帧中提取的信息,以提高特征对齐的效果。实验结果表明,该方法在三个广泛使用的基准数据集上均取得了最先进的结果,并在PoseTrack2017数据集上排名第一。这篇文章还是关于如何利用帧间信息来解决帧退化、运动模糊等问题。原创 2023-03-22 21:01:55 · 986 阅读 · 10 评论 -
PoseTrack数据集 百度网盘下载
PoseTrack数据集 百度网盘下载原创 2022-12-25 11:47:34 · 1541 阅读 · 8 评论 -
人体姿态估计 Android端 ncnn
去年由于一些原因,需要在手机端部署人体姿态估计模型,早就写完了,但由于一些原因一直没有记录下来。大致的过程是,经过一番百度,找到了一个名为ncnn的框架,然后参考ncnn-android-yolox的实现,完成了人体姿态估计模型在移动端的部署。代码已开源:ncnn-android-pose,采用的目标检测器是旷视开源的YOLOX。效果 用坤原创 2022-03-03 19:35:25 · 10250 阅读 · 24 评论 -
人体姿态估计 c++版 HRNet tensorrt加速
上次用onnx模型实现了c++版的HRNet,加上NanoDet的目标检测,在我的笔记本(GTX960M)上实现了20FPS左右的帧率,参考HRNet C++实现。这次尝试使用了tensorrt对HRNet的onnx模型进行进一步加速,达到了25FPS左右的帧率。如下图所示。1.生成符合条件的onnx由于很多原因,onnx和tensorrt对一些算子的支持并不相同,有些算子在onnx上可以实现但在tensorrt上不能支持。因此需要对原来pytorch版HRNet的一些操作进行修改。HRNet的代码原创 2021-09-23 18:21:04 · 1890 阅读 · 9 评论 -
Lite-HRNet 轻量级的HRNet 转onnx
上个月cvpr2021出了轻量级的hrnet,依旧是MSRA的作品,这个系列都连着三年的cvpr了,太强了!假期结束才有想着去看看文章。简单看了看,发现flops降得好低啊,效果还不赖,于是尝试将模型转为onnx。关于文章内容的讲解,网上已经有不少了,例如Lite-HRNet讲解,主要的点是将ShuffleNet中的结构应用于HRNet中得到Naive Lite-HRNet,再用一个轻量级的单元conditional channel weighting替换可分离卷积中poinewise的1x1卷积,原创 2021-05-09 15:04:20 · 3626 阅读 · 14 评论 -
人体姿态估计 HRNet C++版
最近由于项目原因,需要用到HRNet网络,加上前面的目标检测部分,使用python版本的代码运行太慢,于是想到了用c++来重写HRNet,将pytorch的模型文件转换为onnx,采用onnx的c++的推理库。然后目标检测网络采用轻量级的nanodet,同时也采用onnx进行推理。最后,在我的笔记本电脑上(GTX960M)进行单人的姿态估计也跑到了20帧左右。其中nanodet是0.01s左右,hrnet是0.04s左右,hrnet是w32_256*192的模型转换而来的。多人的话时间就是成倍增长。原创 2021-04-25 22:39:35 · 3755 阅读 · 20 评论 -
Deep Dual Consecutive Network for Human Pose Estimation 论文解读 DCPose
1.简介尽管最新的人体姿态估计模型在静态图像上表现得很好,但由于帧退化(如快速运动造成的模糊)或遮挡等原因,直接将这些模型应用于视频序列时,表现不算太好。在此之前,也有文章直接使用常规的递归神经网络解决该问题,但是在处理姿势遮挡时,也有不少问题。这篇文章提出了一种新的人体姿势估计框架,该框架利用了视频帧之间的大量时间线索来促进关键点检测,有效地优化了视频的姿势估计。框架中主要包含了了三个模块化组件。1.姿态时间合并模块(PTM):定位关键点的搜索范围2.姿态残差融合模块(PRF):计算帧间关原创 2021-04-02 11:15:56 · 3236 阅读 · 14 评论 -
DCPose CVPR2021 充分利用帧间信息的多人姿态估计
最近看到一篇有关人体姿态估计的文章:Deep Dual Consecutive Network for Human Pose Estimation,是cvpr2021上的,在github上有代码实现。链接:https://github.com/Pose-Group/DCPose如下图所示,看起来效果还不错。从git上下下来后,要配置环境:首先创建conda虚拟环境并激活,一定是3.6的,我尝试过python3.7的,后面在安装模块的时候失败conda create -n DCPose原创 2021-03-27 19:58:18 · 3591 阅读 · 31 评论