KeypointNet 完整的数据集现在可用！ KeypointNet是一个大规模且多样化的3D关键点数据集，通过利用基于ShapeNet模型的众多人工注释，包含来自16个对象类别的83,231个关键点和8,329个3D模型。 我们的论文可在上获得并被CVPR 2020接受。您可以在以下位置浏览我们的数据集 。 消息！ 现在发布了两个有趣的无监督关键点检测器： （无序但SE（3）不变）和 （非SE（3）不变但有序）！ 变更记录 有关更新的数据集信息，请参阅 关键点数据 数据集可以从或下载。 带注释的JSON数据放置在注释下。 此外，我们还提供了下PCD的每个ShapeNet模型采样点云（2048点）。 我们已经为飞机（1022型号），浴缸（492型号），床（146型号），瓶子（380型号），瓶盖（38型号），汽车（1002型号），椅子（999型号），吉他等标签进行了处理和清洗。

Detectron2是Facebook AI Research的下一代软件系统，可实现最新的对象检测算法。 它是对先前版本重写，它源自 。 什么是新的 它由深度学习框架提供支持。 包括更多功能，例如全景分割，Densepose，Cascade R-CNN，旋转边界框，PointRend，DeepLab等。 可用作库来支持基于它的。 我们将以这种方式开源更多的研究项目。 它。 可以将模型导出为TorchScript格式或Caffe2格式以进行部署。 请参阅我们的以查看更多演示并了解detectron2。 安装 参见 。 入门 按照安装detectron2。 请参阅和以了解基本用法。 在我们的了解更多。 并查看有关在detectron2之上构建的某些项目。 模型动物园和基线 我们提供了大量基准结果和经过训练的模型，可在下载。 执照 Detectron2是根据发行的。 引用Dete

matlab人头检测的代码快速人体姿势估计CVPR2019 这个项目是的研究。 介绍 这是的官方pytorch实现。 在这项工作中，我们专注于两个问题 如何使用与模型无关的方法来减小模型大小和计算。 如何提高简化模型的性能。 在我们的论文中 我们通过减少网络的宽度和深度来减少模型的大小和计算量。 提出快速姿势精馏（ FPD ）以改善简化模型的性能。 MPII数据集上的结果证明了我们方法的有效性。 我们使用HRNet代码库重新实现了FPD，并在COCO数据集上提供了额外的评估。 我们的方法（FPD）可以在没有地面标签的情况下工作，并且可以利用未标记的图像。 对于MPII数据集 我们首先训练了一个教师模型（沙漏模型，堆栈= 8，num_features = 256，90.520 @ MPII PCKh@0.5）和一个学生模型（沙漏模型，堆栈= 4，num_features = 128，89.040 @ MPII PCKh@0.5）。 然后，我们使用教师模型的预测和真实标签来共同监督学生模型（沙漏模型，堆栈= 4，num_features = 128，87.934 @ MPII PCKh@0

项目面关键点检测