Alphapose配置与运行中的问题

环境配置参考的连接https://blog.csdn.net/qq_38522972/article/details/82993216

运行中遇到的主要问题

1、forserver

在运行Alphapose的过程中,出现了以下错误。

                           

查阅资料之后,给出了很多解释,最后参考了一篇博文中的操作,就没保存了,具体原因我也没太弄明白,于是打算先记下该操作。下图为当时别人博文中的具体做法,只需要在处理图片的时候,最后加一个--sp就不会报错了。

                           

2、RuntimeError:CuDNN error:CUDNN_STATUS_SUCCESS

                              

原因分析:CUDNN问题是cuda版本与显卡不匹配。

首先,我用pycharm和git两种方法都尝试运行错误中显示的dataloader.py和darknet.py两个python文件,单独运行时并没有显示错误,排除了代码本身问题。

然后查阅别人的博客,都说可能pytorch版本和cuda版本不匹配,但pytorch通过命令pip3 install http://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-win_amd64.whl下载,再检查中cuda版本为9.0,torch版本为0.4.1,与命令一致。

接着,我又在pycharm中运行train_sppe文件夹中demo.py时,pycharm显示要求pytorch0.4.0,

所以,最后我还是卸载pytorch0.4.1重新安装pytorch0.4.0,之后重新下载cudnn9.0,保持cudnn和cuda版本一致,最终得以解决。下面我自己笔记本和学校服务器上的配置对应版本,仅供参考。

自己的:GTX 960M显卡-----cuda9.0

学校的:学校RTX2070-----cuda9.2

3、json中关键点信息与输出的图片的关键点信息不匹配

当我将图片关键点信息输出时,json文件中的信息是17个关键点的坐标信息,而输出后的图片上的关键点是18个关键点。如下图所示。

                                   

 

对此,我至今还未找到问题出在哪里。网上好像没人出现过这样的问题,如果有人知道问题在哪,还望能告诉我,万分感谢!

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 29
    评论
### 回答1: AlphaPose和OpenPose都是人体姿态估计的开源框架,它们的主要区别在于算法和性能。AlphaPose采用了更先进的算法,可以更准确地检测人体姿态,而OpenPose则更加稳定和易于使用。此外,AlphaPose还支持多人姿态估计和多种姿态估计任务,而OpenPose则更专注于单人姿态估计。总体来说,AlphaPose和OpenPose都有各自的优点和适用场景,具体选择哪个取决于具体需求和应用场景。 ### 回答2: Alphapose和Openpose都是针对人体姿态估计的开源软件。它们都能够提取图像的人体关键点,并估计出人体的姿态。但是,它们在一些方面还是存在较为明显的差异。 首先,Alphapose与Openpose在姿态估计的准确度方面略有不同。相对于OpenposeAlphapose能够更好地理解深度信息,从而对人体的姿态进行更精确的估计。这意味着,在拍摄距离较远和背景较为复杂的情况下,Alphapose的效果要优于Openpose。 其次,Alphapose和Openpose支持的硬件平台不同。Alphapose需要使用NVIDIA GPU进行计算,这就要求使用者必须具备一定的硬件基础,相对Openpose更为挑战。而Openpose既可以在CPU上运行,也可以在GPU上运行,因此适用范围更为广泛。 最后,Alphapose和Openpose的使用场景也有所不同。相对于OpenposeAlphapose主要针对更复杂的人体动作进行姿态估计,并支持多人姿态估计。而Openpose则更为适用于人体姿态估计的初学者,同时支持面部表情、手部姿态和姿态跟踪等功能。 总体而言,Alphapose和Openpose都具备一定的优势和劣势,具体使用时要根据实际需求进行选择。 ### 回答3: AlphaPose与OpenPose都是目前比较流行的人体姿态估计算法。它们的共同点是都能够实现基于RGB图像的多人姿态估计,但是也存在一些不同,下面从几个方面进行比较。 一、准确度 AlphaPose在准确度上相对于OpenPose有所提升,尤其是在遮挡情况下,AlphaPose表现更好。这主要归因于AlphaPose采用了新的姿态估计骨架和注意力机制,能够更好地处理图像遮挡和背景复杂的情况。 二、速度 OpenPose的速度相对比较快,而AlphaPose相对较慢。这主要是由于AlphaPose在使用注意力机制时需要多个网络的交互,增加了计算的时间和复杂度。 三、支持情况 OpenPose在算法的更新和支持上更加完善,更新也更及时。而AlphaPose因为近年来提出,更新和支持不如OpenPose。 四、硬件要求 由于AlphaPose的复杂度比OpenPose大,所以对计算设备的要求也高,需要更高配置的GPU进行处理。而OpenPose的硬件要求相对较低,可以在一般的GPU上运行。 总之,AlphaPose在一些特殊情况下表现更佳,但由于其速度和硬件要求比较高,所以在实际应用需要根据实际情况进行选择。如果时间和速度是优先选择的话可以考虑使用OpenPose,如果准确度和稳定性是优先选择的话可以考虑使用AlphaPose
评论 29
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