您好、欢迎来到现金彩票网!
当前位置:2019欢乐棋牌 > 姿态识别 >

六种强大的姿态识别估计的深度学习模型和代码

发布时间:2019-07-29 21:45 来源:未知 编辑:admin

  姿态估计的目标是在RGB图像或视频中描绘出人体的形状,这是一种多方面任务,其中包含了目标检测、姿态估计、分割等等。有些需要在非水平表面进行定位的应用可能也会用到姿态估计,例如图形、增强现实或者人机交互。姿态估计同样包含许多基于3D物体的辨认。

  创作这篇文章的初衷就来源于Facebook研究所的DensePose,上周,Facebook公布了这一框架的代码、模型和数据集,同时发布了DensePose-COCO,这是一个为了估计人类姿态的大型真实数据集,其中包括了对5万张COCO图像手动标注的由图像到表面的对应。这对深度学习研究者来说是非常详细的资源,它对姿态估计、身体部位分割等任务提供了良好的数据源。

  DensePose的论文中提出了DensePose-RCNN,这是Mask-RCNN的一种变体,可以以每秒多帧的速度在每个人体区域内密集地回归特定部位的UV坐标。它基于一种能将图像像素通过卷积网络映射到密集网格的系统——DenseReg。模型的目标是决定每个像素在表面的位置以及它所在部分相对应的2D参数。

  OpenPose是由卡内基梅隆大学认知计算研究室提出的一种对多人身体、面部和手部形态进行实时估计的框架。

  OpenPose同时提供2D和3D的多人关键点检测,同时还有针对估计具体区域参数的校准工具箱。OpenPose可接受的输入有很多种,可以是图片、视频、网络摄像头等。同样,它的输出也是多种多样,可以是PNG、JPG、AVI,也可以是JSON、XML和YML。输入和输出的参数同样可以针对不同需要进行调整。

  OpenPose提供C++API,以及可以在CPU和GPU上工作(包括可与AMD显卡兼容的版本)。

  这一模型和上面的OpenPose高度相关,同时特征模型能与多种框架相关联。论文的作者提供了一种自下而上的方法,对多人的姿态进行实时估计,不需要用任何人物探测器。

  这种方法运用了一种非参数表示,我们称为Part Affinity Fields(PAFs),用它可以学习将图中人物和其身体部位联系到一起。有关该技术的具体细节和理论,可以阅读原文。

  另外,这一方法最棒的特征之一就是它可以在多种不同的框架中实现,针对不同框架,已经公开了相关代码和模型:

  AlphaPose是一款精准的多人姿态评估工具,并声称是第一款开源系统。AlphaPose既可以在图片、视频或多图中进行姿态估计,也能在画面中对动作进行追踪。它的输出形式非常广泛,包括PNG、JPG和AVI等具有关键点的图片形式,也有JSON格式的输出,这一特点也使其成为众多应用受欢迎的工具。

  目前,这一工具支持TensorFlow和PyTorch两种实现。AlphaPose利用一种区域性的多人动作估计框架将不精准的人类边界框该进程精确的动作估计。这里有三种元素:对称空间转换网络(SSTN)、参数化姿态非极大抑制(NMS)以及姿态导向的生成器(PGPG)。更多技术细节请查看原论文。

  该模型利用MPII人类姿势数据集进行训练,这是一个内容十分丰富的数据集,专门针对人类姿态估计。目前只有TensorFlow的实现。

  这项研究将人类姿态估计的任务应用到真实的图片中,他们的方法既解决了动作识别,也能进行估计,与之前先检测人类动作在对此进行推测的技术有所区分。在实施过程中用到了基于CNN的探测器和整数线性规划法。

  相比于前面几种方法来说,DeepPose算是比较“古老”的了,论文发布与2014年,提出了一种基于深度神经网络的姿态估计方法,是基于DNN向身体关节回归的问题。它以一种整体的方式估计姿态,并且表述起来非常简洁强大。

  DeepPose是第一个将深度学习应用到人类姿态估计上的应用,并且取得了当时顶尖的结果,成为了其他方法的baseline。

  六种人体姿态估计的深度学习模型和代码总结姿态估计的目标是在RGB图像或视频中描绘出人体的形状,这是一种多方面任务,其中包含了目标检测、姿态估计、分割等等。有些需要在非水平表面进行定位的应用可能也会用到...博文来自:学习、记录、分享

  最近在做一个人体康复训练的项目,一开始考虑到人体康复训练需要肢体的细微动作,所以先使用人体姿态估计识算法提取骨骼点,再根据人体骨骼点来识别动作(后来发现也不一定这样),并组合成一个端对端的模型,正好找...博文来自:浪浪的博客

  ABSTRACT姿态机提供了一种对丰富隐空间模型的学习的连续帧估计。我们为姿态识别系统地设计了一个卷积网络,可以学习图像特征和依赖图像的空间模型。论文贡献:隐含地对长距离关系建模(关节)。我们设计了一...博文来自:lazy storm

  一种用于人体姿态估计的强大算法,可以检测并且定位人体的四肢及躯干和头部的位置,用于更高层次的分析。 (Pose estimation) 文件列表: parse_matlab parse_matlab\parseHorse.m pars...

  利用行为识别中的视频分析技术提高姿态估计的准确率,再利用从视频中提取的姿态序列从不同角度描述人体行为,提高行为识别效果

  这个项目在github上非常火,项目地址是:,是基于tensorflow深度学习框架实现的人体姿态识别,有兴...博文来自:suswulongyuan的博客

  1.头部姿态   头部姿态估计通常是指利用计算机视觉和模式识别的方法在数字图像中判断人头部朝向问题[2]。更严格的说,头部姿态估计是在一个空间坐标系内识别头部的姿态参数,即头部位置参数()和方向度参数...博文来自:AUTO1993的博客

  人体姿态估计是机器视觉的一个重要分支,在行为识别、人机交互、游戏、动画等领域有着很广阔的应用前景,是计算机视觉领域中一个既具有研究价值、同时又极具挑战性的热门课题。本篇主要对博文来自:大数据挖掘SparkExpert的博客

  本文介绍了如何使用TensorFlow在智能机上(包括安卓和iOS设备)执行实时单人姿态估计。GitHub地址:博文来自:weixin_34038293的博客

  原文:Howfastismymodel?译者注:译者接触深度学习的时间不长,文中部分词汇不知道如何翻译,可能有些地方翻译的也不是很通顺。总之,还是那句话,译者笔力有限,英文水平过得去的可以看英文原文。...博文来自:weixin_33859231的博客

  一,人体姿态识别数据集1,2D数据集:LSP地址:样本数:2K关节点个数:14全身,单人FLIC地址:博文来自:的博客

  重点内容#欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链...博文来自:2Dposeliu的博客

  LSP地址:样本数:2K关节点个数:14全身,单人类别:体育类训练和测试样本数量:11000/1000FLIC地址:htt...博文来自:snailme的博客

  一,人体姿态识别数据集1,2D数据集:LSP地址:样本数:2K关节点个数:14全身,单人FLIC地址:博文来自:CS青雀的巢

  OpenPose可以实现人体动作、面部表情、手指运动等姿态估计,是卡耐基梅隆大学(CMU)基于卷积神经网络和监督学习并以caffe为框架开发的开源库。适用于单人和多人,具有极好的鲁棒性。是世界上首个基...博文来自:同济子豪兄

  最近自己想用410c来做一个运动相关的DIY,用410c开发板搭载摄像头来实现对自己的姿态的跟踪,用到健身运动中,完成对自己所作的动作的定位和标准评判,实时提醒自己所作健身动作的标准程度,前期进行了一...博文来自:ANDYMFC的博客

  作者周强(CV君)来源我爱计算机视觉(公众号id:aicvml)如何挑战百万年薪的人工智能!昨天...博文来自:AI科技大本营

  MaskRCNN是目标分割检测框架--扩展到人体关键点检测对于原理不清晰的同学,建议你去看一下KamingHe的论文:我的博客里...博文来自:ghw的博客

  代码解读:基于深度学习的单目深度估计(1)在分析完DepthMapPredictionfromaSingleImage这篇论文之后,来分析一下背后的代码如果读者对这篇论文不熟悉,可以看我的博文,或是直...博文来自:Niuip的博客

  机器视觉的主要任务是让机器看懂世界,而世界的主要组成是人类社会。我们一直在围绕物和人的识别展开研究:物品检测识别、行人检测与跟踪、人脸识别。事实上,行人检测是人的整体粗粒度识别,人脸识别是人的局部特征...博文来自:CSDN人工智能

  官网:论文原文:摘要复杂环境下的人姿势估计...博文来自:I good vegetable a!

  本文是ECCV2016的工作,主要是介绍了一个在当时是新的姿态估计的网络结构。这里主要是对整个网络的结构和思想进行一个梳理,可以进一步明白后序一些基于此网络结构的工作(例如ECCV2018Corner...博文来自:Chris_zhangrx的博客

  weixin_45328456:您好 请问可以给我发一份吗 最近在准备面试 谢谢

http://gardenerus.com/zitaishibie/256.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有