MultiPoseNet: 使用姿态残差网络进行快速多人姿态估计

Pytorch版本的实时多人姿态估计项目

多人姿态估计是近几年众多领域研究的热点问题。在学科交叉研究方面，人体姿态估计及到计算机科学、运动人体科学、环境行为学和材料科学等。已应用于自动驾驶、影视创作、安防异常事件监测和体育竞技分析、康复等实际场景。成为人工智能领域研究的前沿课题，此类研究也将在竞技体育、运动康复、日常健身等方面发挥非常重大的意义。本源码可以在免费云gpu上用cpu测试，本地如果笔记本或者台式机配置相应环境，也能用cpu运行。源码直接用预训练没有训练代码。

多人姿态估计是近几年众多领域研究的热点问题。在学科交叉研究方面，人体姿态估计及到计算机科学、运动人体科学、环境行为学和材料科学等。随着相关研究的逐步深入以及计算机视觉、5G通信的飞速发展，人体姿态估计技术已应用于自动驾驶、影视创作、安防异常事件监测和体育竞技分析、康复等实际场景。成为人工智能领域研究的前沿课题，此类研究也将在竞技体育、运动康复、日常健身等方面发挥非常重大的意义。本源码可以在免费云gpu上用cpu测试，本地如果笔记本或者台式机配置相应环境，也能用cpu运行。

针对图像和视频中多人姿态估计存在人体边界框定位不准确、困难关键点检测精度有待提高等问题,设计了一套基于自顶向下框架的实时多人姿态估计模型。首先将深度可分离卷积加入目标检测算法中,提高人体检测器运行速度;然后基于特征金字塔网络结合上下文语义信息,采用在线难例挖掘算法解决困难关键点检测精度低的问题;最后结合空间变换网络与姿态相似度计算,剔除冗余姿态,改善边界框定位准确性。本文提出模型在2017MS COCO Test-dev数据集上的平均检测精度比Mask R-CNN模型提升了14.84%,比RMPE模型提升了2.43%,帧频达到 22 frame/s。

Code for the Pose Residual Network introduced in 'MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual Network (ECCV 2018)' paper

AlphaPose的轻量化单人姿态估计网络（SPPE）训练代码 使用步骤 1. 下载数据集放置到train_demo/data文件夹 2. pip install -r requirements.txt 3. 安装pycocotools和alphapose 3.1 cd train_demo 3.2 python setup.py install 3.3 python setup1.py build develop 4.开始训练 python train_demo/train.py 相关博客：https://blog.csdn.net/xzq1207105685/article/details/119331007

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

PyTorch实时多人姿态估计项目的实现