人体姿态估计(人体关键点检测)2D Pose训练代码和Android源码
1.项目介绍
这是《人体姿态估计(人体关键点检测)2D Pose训练代码和Android源码》https://panjinquan.blog.csdn.net/article/details/125502259
目前,人体姿态估计的主流框架,主要有两个方法
(1)Top-Down(自上而下)方法
将人体检测和关键点检测分离,在图像上首先进行人体检测,找到所有的人体框,对每个人体框图再使用关键点检测,这类方法往往比较慢,但姿态估计准确度较高。目前的主流是CPN,Hourglass,CPM,Alpha Pose等。
(2)Bottom-Up(自下而上)方法
先检测图像中人体部件,然后将图像中多人人体的部件分别组合成人体,因此这类方法在测试推断的时候往往更快速,准确度稍低。典型就是COCO2016年人体关键点检测冠军Open Pose。
就目前调研而言, Top-Down的方法研究较多,精度也比Bottom-Up(自下而上)方法好。本项目也主要分享基于Top-Down(自上而下)的方法。
视频测试 | 图片测试 | 图片测试 |
整套项目,支持的主要内容主要有:
2D Pose人体关键点检测的训练和测试代码(Pytorch版本)
支持COCO数据集训练
支持MPII数据集训练
支持轻量化模型mobilenet-v2
支持高精度模型HRNet
人体关键点检测C++版本:https://github.com/PanJinquan/Human-Pose-Estimation-Lite-cpp
人体关键点检测Android Demo源码,已经集成了轻量化版本的
人体检测模型
和人体姿态估计模型
,在普通手机可实时检测(CPU多线程约70ms, GPU约50ms)人体关键点检测APP demo免费体验:链接: https://pan.baidu.com/s/1ywiBsJMZlIZoLAu0UZAOFg 提取码: bunc
2.资源下载
关于项目的任何问题,均可在博客评论留言~
《人体姿态估计(人体关键点检测)2D Pose训练代码和Android源码》的项目源码
可试读95%