用于人体姿态估计的DCPose算法的预训练模型以及yolov3的模型，详情见https://github.com/Pose-Group/DCPose/blob/main/docs/Installation.md，源文件在谷歌网盘上不方便下载，将此文件放在DCPose下即可，具体使用参照github

human3.6m 数据集，共计126.68GB，内附联系方式，以防链接失效 目录结构： human3.6m_parse annotations.zip images extract_targz.sh images.tar.gzaa images.tar.gzab images.tar.gzac images.tar.gzad images.tar.gzae images.tar.gzaf images.tar.gzag 链接长期有效

Kinect手势数据集.zip

来自https://github.com/MVIG-SJTU/AlphaPose/blob/master/configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml。

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.