人体姿态检测python推理的实现

我使用的是地平线的板子连接的摄像头，这段时间在使用python和c++来跑人体姿态检测的模型。

人体姿态检测的模型：pruned_lightweight_openpose/README.md at master · ChrisAllenMing/pruned_lightweight_openpose (github.com)

首先来说说python的跑的方法以及效果：

python来跑这个模型基本上没什么特别大的问题，导入好模型库然后按照要求来跑模型就好

要求

• Ubuntu 16.04
• python 3.6
• PyTorch 0.4.1（也应该适用于 1.0，但未经测试）

先决条件

1. 下载 COCO 2017 数据集：COCO - Common Objects in Context（train、val、annotations）并将其解压缩到文件夹。<COCO_HOME>
2. 安装要求

   pip install -r requirements.txt

训练

1. 微调修剪后的模型。跑

   CUDA_VISIBLE_DEVICES=<DEVICES_ID> python train_prune.py --train-images-folder ./coco/train2017/ --prepared-train-labels prepared_train_annotation.pkl --val-labels val_subset.json --val-images-folder ./coco/val2017/ --checkpoint-path ./pruned_models/<CHECKPOINT> --num-refinement-stages 3 --experiment-name <NAME> --weights-only

验证

1. 用于训练时同步验证。跑

   CUDA_VISIBLE_DEVICES=<DEVICES_ID> python val_per_epoch.py

2. 特定检查点的验证。跑

   python val_prune_oneepoch.py --labels <COCO_HOME>/annotations/person_keypoints_val2017.json --images-folder <COCO_HOME>/val2017 --checkpoint-path <CHECKPOINT>

演示

1. 对于一个简单的演示。跑

   python demo.py --checkpoint-path ./fine-tuned_models/<CHECKPOINT> --images <YOUR_IMAGE>

修剪的模型

我们提供两种不同压缩率的剪枝模型：./pruned_models/0.3.pth.tar（减少 15.92% 的 flops）和 ./pruned_models/0.8.tar.pth（减少 25.6% 的 flops）。

微调模型

从修剪后的模型微调的模型在 中可用。./pruned_models/0.3.pth.tar./fine-tuned_models/

未修剪的预训练模型

该模型期望平面 BGR 格式的归一化图像（mean=[128， 128， 128]， scale=[1/256， 1/256， 1/256]）。 在 COCO 模型上进行预训练可在以下位置获得：./pre-trained_models/checkpoint_iter_370000.pth.tar，它在 COCO 验证集上有 40% 的 AP（val 子集上有 38.6% 的 AP）。