HigherHRnet详解之实验复现 | 您所在的位置:网站首页 › 姿态在哪里看 › HigherHRnet详解之实验复现 |
论文:《HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》 论文链接:https://arxiv.org/pdf/1908.10357.pdf 代码链接:https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation 姿态估计前言知识:姿态估计-前言知识_error:404..的博客-CSDN博客 HigherHRNet详解之论文解析:HigherHRnet详解之论文详解_error:404..的博客-CSDN博客 HigherHRNet详解之源码解析: 1.前言HigherHRNet 来自于CVPR2020的论文,论文主要是提出了一个自底向上的2D人体姿态估计网络–HigherHRNet。该论文代码成为自底向上网络一个经典网络,CVPR2021年最先进的自底向上网络DEKR和SWAHR都是基于HigherHRNet的源码上进行的局部改进。所以搞懂HigherHRNet 对2020~2021的自底向上的人体姿态估计论文研究很有帮助。 2.代码复现新建环境,名字以及python版本根据自己的来 conda create -n HigherHRnet python=3.6激活环境 conda activate HigherHRnet查看一下里面有哪些包,要保证有基本的包 conda list现在就开始配置HighterHRnet的环境 进入对应路径,导入依赖 pip install -r requirements.txt安装COCOAPI # COCOAPI=/path/to/clone/cocoapi,推荐路径lib/cocoapi git clone https://github.com/cocodataset/cocoapi.git $COCOAPI cd $COCOAPI/PythonAPI # 下面两个选择一个即可,第一个是全局,第二个是指定环境 make install python3 setup.py install --user安装CrowdPoseAPI 与COCOAPI同理,但是官网给出的链接感觉是有问题的,可以试试国内镜像 git clone https://github.com.cnpmjs.org/Jeff-sjtu/CrowdPose.git 进入对应的PythonAPI文件路径后 python3 setup.py build_ext --inplace python3 setup.py build_ext install再在主文件夹新建两个文件夹,output(training model output directory)和log(tensorboard log directory) mkdir output mkdir log过后文件夹目录像这样 ${POSE_ROOT} ├── data ├── experiments ├── lib ├── log ├── models ├── output ├── tools ├── README.md └── requirements.txt再下载预训练模型(GoogleDrive or OneDrive),文件目录结构如下 ${POSE_ROOT} `-- models `-- pytorch |-- imagenet | `-- hrnet_w32-36af842e.pth `-- pose_coco `-- pose_higher_hrnet_w32_512.pth最后数据准备,COCO download和CrowdPose download,注意crowdPose数据集下载后需要进行处理 python tools/crowdpose_concat_train_val.py数据集的文件目录结构 ${POSE_ROOT} |-- data `-- |-- coco `-- |-- annotations | |-- person_keypoints_train2017.json | `-- person_keypoints_val2017.json `-- images |-- train2017 | |-- 000000000009.jpg | |-- ... `-- val2017 |-- 000000000139.jpg |-- ... ${POSE_ROOT} |-- data `-- |-- crowd_pose `-- |-- json | |-- crowdpose_train.json | |-- crowdpose_val.json | |-- crowdpose_trainval.json (generated by tools/crowdpose_concat_train_val.py) | `-- crowdpose_test.json `-- images |-- 100000.jpg |-- 100001.jpg |-- ...然后理论上来说就可以跑了。 single-scale testing(默认使用horizontal flip),如果不使用在最后面加上TEST.FLIP_TEST False: python tools/valid.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml \ TEST.MODEL_FILE models/pytorch/pose_coco/pose_higher_hrnet_w32_512.pthMulti-scale testing python tools/valid.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml \ TEST.MODEL_FILE models/pytorch/pose_coco/pose_higher_hrnet_w32_512.pth \ TEST.SCALE_FACTOR '[0.5, 1.0, 2.0]'COCO training python tools/dist_train.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yamlCrowdPose training python tools/dist_train.py \ --cfg experiments/crowd_pose/higher_hrnet/w32_512_adam_lr1e-3.yaml还有其他的training方式,可以参考官网。 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |