溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
多人姿態識別框架AlphaPose怎么用，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。
人體姿態估計有兩個主流方案：Two-step framework 和Part-based framework。第一種方案是檢測環境中的每一個人體檢測框，然后獨立地去檢測每一個人體區域的姿態（自頂向下的方法）。第二種方案是首先檢測出環境中的所有肢體節點，然后進行拼接得到多人的骨架（自底向上的方法）。第一種方案，姿態檢測準確度高度以來目標區域框檢測的質量。第二種方案，如果兩人離得十分近，容易出現模棱兩可的情況，而且由于是依賴兩個部件之間的關系，所以失去了對全局的信息獲取。
AlphaPose采用自頂向下的方法，提出了RMPE（區域多人姿態檢測）框架。該框架主要包括symmetric spatial transformer network (SSTN)、Parametric Pose Non- Maximum-Suppression (NMS)和Pose-Guided Proposals Generator (PGPG)。并且使用symmetric spatial transformer network (SSTN)、deep proposals generator (DPG) 、parametric pose nonmaximum suppression (p-NMS) 三個技術來解決野外場景下多人姿態估計問題。
在SPPE結構上添加SSTN，能夠在不精準的區域框中提取到高質量的人體區域。并行的SPPE分支（SSTN）來優化自身網絡。使用parametric pose NMS來解決冗余檢測問題，在該結構中，使用了自創的姿態距離度量方案比較姿態之間的相似度。用數據驅動的方法優化姿態距離參數。最后我們使用PGPG來強化訓練數據，通過學習輸出結果中不同姿態的描述信息，來模仿人體區域框的生成過程，進一步產生一個更大的訓練集。
按照repo的安裝說明完成代碼庫的安裝，然后運行下面命令行：
python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/fast_res50_256x192.pth --indir examples/demo/
運行結果如下：
關于多人姿態識別框架AlphaPose怎么用問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
