qq_21532607的博客

除此之外，mmpose更新了yolox-pose和一个对于topdown方法来说过于超前的RTMPose（为什么说它超前，因为官方说它不仅有很高的精度，并且在1660ti上的推理速度能达到400+FPS，cpu上能达到100+FPS！详情见废话不多说，下面就进行一下MMPose1.x版本的安装体验。

YOLO-Pose与其他buttom-up的方法一样，也是一种single shot的方法。虽然基于top-down方法的HRNet网络精度很高（在COCO数据集上最高能达到76.7mAP），但是由于其需要一个额外的detector和网络中始终保持着高分辨率的heatmap的原因，网络在推理时的速度非常的慢，这就使得类似与HRNet的网络不适合部署在低算力的边缘设备上。进入开源地址是看不到YOLO-Pose源码的，在master分支显示的是YOLOv5的源码，我们想要的源码在名为yolo-pose的分支。

这是在mmpose实现SimDR的part.4检测器部分。SimDR（现在已经改名叫SimCC，后文还是称SimDR）将姿态估计的Heatmap方法转换为分类方法，在HRNet上实现了涨点，并且减小了显存占用。作者已经在github上开源了代码，但是在MMPose上目前还没有实现，所以本篇文章就使用HRNet在MMPose上实现SimDR。

这是在mmpose上实现SimDR的part.3检测头部分。SimDR（现在已经改名叫SimCC，后文还是称SimDR）将姿态估计的Heatmap方法转换为分类方法，在HRNet上实现了涨点，并且减小了显存占用。作者已经在github上开源了代码，但是在MMPose上目前还没有实现，所以本篇文章就使用HRNet在MMPose上实现SimDR。

这是在mmpose上实现SimDR的Part.2流水线部分。SimDR（现在已经改名叫SimCC，后文还是称SimDR）将姿态估计的Heatmap方法转换为分类方法，在HRNet上实现了涨点，并且减小了显存占用。作者已经在github上开源了代码，但是在MMPose上目前还没有实现，所以本篇文章就使用HRNet在MMPose上实现SimDR。

SimDR（现在已经改名叫SimCC，后文还是称SimDR）将姿态估计的Heatmap方法转换为分类方法，在HRNet上实现了涨点，并且减小了显存占用。作者已经在github上开源了代码，但是在MMPose上目前还没有实现，所以本篇文章就使用HRNet在MMPose上实现SimDR。SimDR原文：下面开始Part.1部分：首先我们要找到HRnet默认的配置文件，simDR的文件要在此基础上进行修改，这里我们使用。

hardswish和hardmish是两个比ReLu更强的激活函数，在姿态估计网络中使用可以带来一定的涨点，故本篇文章想要在mmpose中替换一下激活函数，测试一下两种新的激活函数的效果。