轻量级姿态估计simplepose

已于 2022-04-17 08:47:41 修改
阅读量4.4k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 姿态检测 pytorch知识宝典 文章标签： pytorch 深度学习 人工智能
于 2020-11-26 18:18:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/jacke121/article/details/110199509
这篇博客探讨了轻量级姿态估计算法，包括YOLO-Pose、Blazepose、human-pose-estimation和MobileHumanPose。Blazepose在Android上的实时应用，以及Ultralight-SimplePose的高效性能被提及。此外，还分享了相关模型的下载链接和代码资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1.Openpose这个不是轻量的：

2.blazepose

3.human-pose-estimation

轻量级3D姿态检测：MobileHumanPose却可以同时做到又小又好

Ultralight-SimplePose:

simple_pose Android demo：

1.YOLO-Pose

还是很牛的：s模型24.5m L模型144M

YOLOv5 人体姿态估计 YOLO-Pose_AI视觉网奇的博客-优快云博客

2.blazepose

c++ ncnn Android推理：Android能达到实时：

https://github.com/FeiGeChuanShu/ncnn_Android_BlazePose

python 3d版的，输出x y z：

https://github.com/geaxgx/

了解本专栏 订阅专栏 解锁全文 超级会员免费看
YOLOv7与MediaPipe在人体姿态估计上的对比
人工智能研究所的博客
11-26 2717
由于MediaPipe是一个单人检测框架，因此在视频中，MediaPipe只检测单个人的姿态，其他人体姿态则会忽略，当然，软件会检测哪个人体姿态，理论上是最前面的人体姿态，但是通过实验后，其实并不完全是这样。YOLOv7姿态是在COCO数据集上训练的，前期的文章我们也分享过YOLOv7人体姿态检测的代码。但是一旦上GPU，yolov7的优势就会大大的提高，可以看到，一旦用上了GPU，yolov7的检测速度就达到了84FPS，而由于mediapipe仅仅用于CPU，就算加上GPU，也发挥不到GPU的优势。
人体姿态估计：BlazePose
Airs-Gao的博客
08-24 8166
BlazePose: On-device Real-time Body Pose tracking解析1. 概述2. 模型构架和pipeline设计2.1 推理流程（Inference pipeline）2.2 Person detector2.3 拓扑结构（Topology）2.4 数据集2.5 网络结构2.6 对齐和遮挡增强3. 实验 论文连接：https://arxiv.org/pdf/2006.10204.pdf 论文代码：https://google.github.io/mediapipe/so
轻量级人体姿态估计lightweight-human-pose-estimation.rar
06-29
轻量级人体姿态估计lightweight-human-pose-estimation.rar
NCNN部署例程 mxnet-gluoncv之simple_pose
tanmx219的博客
07-20 1069
NCNN在官方源码中有一个例程，simple pose，今天试了一下效果。 整体来说，优化得太过，效果不行。 过程如下。 首先，在gluoncv中转换生成模型pose.param, pose.bin，python 源码如下， 其中，用 export_block('simple_pose_resnet18_v1b', net, preprocess=True, layout='HWC') 转换出来的不能成功部署到NCNN上，所以在python源码中我注释掉了。 # this one works O
简易姿态估计：多人体位检测的智能解决方案 —— SimplePose
gitblog_00035的博客
05-25 673
简易姿态估计：多人体位检测的智能解决方案 —— SimplePose 项目简介 SimplePose 是一个基于 PyTorch 的开源项目，其主要目标是实现高效且精准的多人姿势估计。这个项目源于论文 "Simple Pose: Rethinking and Improving a Bottom-up Approach for Multi-Person Pose Estimation&q...
simple-pose-track:姿势跟踪的简单实现
03-12
simple-pose-track:姿势跟踪的简单实现
多人姿态估计反思论文: Simple Pose（一）
m0_37909240的博客
07-20 935
2020/7/20 Hey，这篇论文主要从以下三个方面对多人姿态估计进行了创新： 1、数据预处理（坐标点变换和ground truth heatmap生成）过程中的中心点对齐问题。 2、使用多尺度监督引导网络生成热度图（论文中将此视为空间注意力机制） 3、用于keypoint和body part heatmap监督的损失函数：focal L2 loss 今天先分析一下论文中的数据预处理问题。剩下两个问题接下来两天再详细分析。论文Section Definition of Heatmaps 中强
iOS平台TFLiteSwift姿势估计基准项目详解
- TensorFlow Lite：TensorFlow的轻量级解决方案，专为移动和嵌入式设备设计。 - CPM、Hourglass、OpenPose、PoseNet、MobileNetV2等：这些是不同架构的姿势估计模型，被转换为TFLite格式以在iOS上运行。 - Swift：...
视频姿态估计：DeciWatch
Airs-Gao的博客
12-22 1840
本文提出了一个简单的基线框架，用于基于视频的2D/3D人体姿态估计，可以在不降低任何性能的情况下实现10倍的效率提高，称为DeciWatch。与目前估计视频中每帧的解决方案不同，DeciWatch引入了一个简单而有效的采样-降噪恢复框架，该框架仅观察稀疏采样帧，利用人体运动的连续性和轻量级姿态表示。具体来说，DeciWatch均匀采样少于10%的视频帧进行详细估计，使用高效的Transformer架构对估计的2D/3D姿势进行降噪，然后使用另一个基于Transformer的网络准确恢复其余帧。
关键点检测（2）——关键点检测发展历程
最新发布
战争热诚的博客
08-18 2308
本文是关键点检测的第二课，主要了解关键点检测的发展历史
轻量级人体姿势估计.pytorch：在PyTorch中快速准确的人体姿势估计。 包含“ CPU上的实时2D多人姿势估计：轻量级OpenPose”的实现
02-05
CPU上的实时2D多人姿势估计：轻量级OpenPose 该存储库包含培训代码。 这项工作极大地优化了方法，从而可以以可忽略的精度下降在CPU上实现实时推断。 它检测骨骼（由关键点和它们之间的连接组成）以识别图像中每个人的人体姿势。 该姿势可能包含多达18个关键点：耳朵，眼睛，鼻子，脖子，肩膀，肘部，手腕，臀部，膝盖和脚踝。 在COCO 2017关键点检测验证集上，此代码对于单尺度推断（无需翻转或完成任何后处理）可达到40％的AP。 可以使用此存储库复制结果。 此仓库与明显重叠，但是仅包含用于人体姿势估计的必要代码。 :fire: 看看我们的准确的（现在仍然快）单人姿态估计，其中排名在CVPR'19
Python-MobilePose是一个轻量级的基于PyTorch实现的单人姿态估计框架
08-11
MobilePose 是一个轻量级的、基于 PyTorch 实现的单人姿态估计框架。目标旨在提供一个模型训练/推理/评估接口，以及具有各种数据增强选项的数据采集器。最终训练的模型在速度、大小和精度方面均可满足移动设备的基本需求。
matlab人头检测的代码-SimplePoseJustGaussian:简单姿势正义高斯
05-24
matlab人头检测的代码用于人体姿势估计和跟踪的简单基准 消息 我们的新作品可在上找到。 我们的HRNet已应用于多种视觉任务，例如和。 我们的新作品已经在发布。 最好的单个HRNet可以在COCO test-dev2017数据集上获得77.0的AP，在MPII测试集上获得92.3％的PCKh@0.5 。 新的存储库还支持SimpleBaseline方法，欢迎您尝试一下。 我们使用此仓库的条目赢得了的赢家！ 我们使用此仓库的条目在！中排名第二。 介绍 这是的官方pytorch实现。 这项工作提供了令人惊讶的简单有效的基准方法，从而有助于启发和评估该领域的新想法。 在具有挑战性的基准上可获得最先进的结果。 在COCO关键点有效数据集上，我们最好的单一模型可达到74.3的mAP 。 您可以使用此存储库重现我们的结果。 提供所有模型用于研究目的。 主要结果 MPII val的结果 拱 头 肩膀 弯头 手腕 时髦的 膝盖 踝 吝啬的 均值@ 0.1 256x256_pose_resnet_50_d256d256d256 96.351 95.329 88.989 83.176 88.420 8
推荐几个经典的计算机视觉项目
Tiger数学之家的博客
08-29 3897
目标检测 1. HRNet-Object-Detection 微软亚洲研究院视觉计算组提出的一种新型主干网络结构，可以学到高分辨率表征，提高了目标特别是小目标检测的空间精准率。支持multi-scale sync-bn 训练。 代码： https://github.com/HRNet/HRNet-Object-Detection https://github.com/HRNet/HRNet-M...
Simple Pose: Rethinking and Improving a Bottom-up Approach for Multi-Person Pose Estimation
Matthew技术小站
12-10 2010
arxiv: https://arxiv.org/pdf/1911.10529.pdf github:https://github.com/jialee93/Improved-Body-Parts 既然是Rethinking, 那么就要先只出需要rethinking的内容. 文章主要针对于人体姿态估计中的bottom-up的方法, 提出了关于bottom-up方法里的一些问题的思考: 人体姿...
轻量级姿态估计技巧综述
3D视觉工坊
11-19 994
作者丨镜子@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/341946291编辑丨极市平台导读本文作者总结了目前自己实验过的一些姿态估计的技巧，分为三个部...
万字长文教你优化轻量姿态估计模型（算法篇），附调参侠秘籍！
qq_39967751的博客
07-27 1597
在上一期中我初步体验了MMPose，牛刀小试之后，接下来就应该真正动手做一些自己的东西了。
yolov5 simplepose人体姿态
jacke121的专栏
07-04 4633
先给效果图： 有时快点，100ms，有时慢，200ms，精度不是特别准。 github地址： https://github.com/liangheming/simple_pose 但是原版没有测试图片或者视频的方法，只有验证精度的方法。 import os import random import time import cv2 import torch from tqdm import tqdm import cv2 as cv import json from pycocoto.
MoveNet-谷歌轻量级人体姿态估计算法
m0_63642362的博客
02-13 5758
本项目使用PaddlePaddle复现MoveNet，实现轻量级人体姿态估计。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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