CVPR2017的最新论文，实时的人体姿态估计算法。对深度学习爱好者有帮助

此代码用于将pytorch训练的AlphaPose模型转换为onnx模型，以便在openCV中调用。

此脚本用于将labem标注的关键点数据，转换为COCO数据集的关键点标注格式。

基于视觉的协作空间物体姿态估计

对象为点 使用中心点检测的对象检测，3D检测和姿态估计： 周兴义，王德全，PhilippKrähenbühl， arXiv技术报告（ ） 联系人： 。 欢迎任何问题或讨论！ 更新 （2020年6月）我们发布了基于Lidar的最新3D检测和跟踪框架 。 （四月，2020）我们发布了一个国家的最先进的（多类别- / pose- / 3D-）跟踪扩展 。 抽象的 检测将对象识别为图像中与轴对齐的框。 最成功的物体检测器会列举出潜在物体位置的几乎详尽的清单，并对每个物体进行分类。 这是浪费，低效的，并且需要附加的后处理。 在本文中，我们采用了不同的方法。 我们将对象建模为单个点-其边界框的中心点。 我们的探测器使用关键点估计来找到中心点，并回归到所有其他对象属性，例如大小，3D位置，方向，甚至姿态。 我们的基于中心点的方法CenterNet与相应的基于边界框的检测器相比，是端到端的可区

Repo for most of CV problems, such as image classification, object detection, pose estimation, segmentation, and so on.

PyTorch实时多人姿态估计项目的实现

头部姿势数据库是1590个单眼面部图像的基准，其具有从-90到+90度的平移和倾斜角度的变化。对于每个人，可以使用2个系列的93个图像（93个不同的姿势）。每人2个系列的目的是能够训练和测试已知和未知面部的算法（参见第2和第3节）。数据库中的人戴或不戴眼镜，并有各种肤色。背景是自愿中立和整洁的，以便专注于面部操作。 该数据集包含了水平方向上的角度标记与垂直方向上的角度标记，是kaggle比赛常用的头部姿态估计训练数据集。

Pointing Data数据库包含 个人的图像, 每个人有 个序列的 张不同姿态时的图像. 数据库中的人的皮肤颜色并不相同. 头部的姿态在水平方向上从正面到全侧面的 种姿态, 垂直方向上有 种姿态. 采集人的年龄在20岁到40岁之间. 头部的位置手工切割得到. N. Gourier, D. Hall, J. L. Crowley Estimating Face Orientation from Robust Detection of Salient Facial Features Proceedings of Pointing 2004, ICPR, International Workshop on Visual Observation of Deictic Gestures, Cambridge, UK

用于3D人体姿态估计的PyTorch实现