pytorch pose

Pytorch-pose

Pytorch-Pose هو تطبيق Pytorch لخط الأنابيب العام لتقدير تشكل الإنسان الفردي ثنائي الأبعاد. والهدف من ذلك هو توفير واجهة التدريب/الاستدلال/التقييم ، و Dataloader مع خيارات تكبير البيانات المختلفة لقواعد البيانات البشرية الأكثر شعبية (على سبيل المثال ، وضع MPII البشري ، LSP و FLIC).

يتم إحضار بعض الرموز لإعداد البيانات وزيادةها من شبكة الساعة الرملية المكدسة. بفضل المؤلف الأصلي.

تحديث: هذا المستودع متوافق مع Pytorch 0.4.1/1.0 الآن!

سمات

• تحميل البيانات متعددة الخيوط
• التدريب متعدد GPU
• المسجل
• تدريب/اختبار نتائج التصور

تثبيت

1. Pytorch (> = 0.4.1): يرجى اتباع تعليمات التثبيت من Pytorch. لاحظ أنه تم تطوير الرمز باستخدام Python2 ولم يتم اختباره باستخدام Python3 حتى الآن.

2. استنساخ المستودع مع الجهاز الفرعي

    git clone --recursive https://github.com/bearpaw/pytorch-pose.git
   

3. قم بإنشاء رابط رمزي إلى دليل images لمجموعة بيانات MPII:

    ln -s PATH_TO_MPII_IMAGES_DIR data/mpii/images
   

   للتدريب/الاختبار على Coco ، يرجى الرجوع إلى Coco Readme.

4. تنزيل ملف التعليقات التوضيحية:
   • (mpii) تنزيل mpii_annotations.json وحفظه إلى data/mpii
   • (MSCOCO) تنزيل coco_annotations_2014.json أو/و coco_annotations_2017.json وحفظه على data/mscoco

الاستخدام

يرجى الرجوع إلى التدريب. md للحصول على وصفات تدريب مفصلة!

الاختبار

يمكنك تنزيل طرزنا المسبقة (على سبيل المثال ، نموذج الساعة الرملية المكونة من 2-Stack) لبداية سريعة.

قم بتشغيل الأمر التالي في Terminal لتقييم النموذج على تقسيم التحقق من صحة MPII (تقسيم القطار/Val من Tompson et al. CVPR 2015).

 CUDA_VISIBLE_DEVICES=0 python example/main.py --dataset mpii -a hg --stacks 2 --blocks 1 --checkpoint checkpoint/mpii/hg_s2_b1 --resume checkpoint/mpii/hg_s2_b1/model_best.pth.tar -e -d

• -a بنية الشبكة
• --resume يحمل الوزن الوزن من نموذج معين
• -e للتقييم فقط
• -d سوف تصور إخراج الشبكة. يمكن استخدامه أيضًا أثناء التدريب

سيتم حفظ النتيجة كملف .mat ( preds_valid.mat ) ، وهو مصفوفة 2958x16x2 ، في المجلد المحدد بواسطة --checkpoint .

تقييم درجة [email protected]

تقييم مع MATLAB

يمكنك استخدام evaluation/eval_PCKh.m لتقييم تنبؤاتك. يتم نقل رمز التقييم من Tompson et al. CVPR 2015.

تم الإبلاغ عن النتائج ([email protected] درجة) التي تم تدريبها باستخدام هذا الرمز في الجدول التالي.

نموذج	رأس	كتف	مِرفَق	رسغ	خاصرة	ركبة	كاحل	يقصد
hg_s2_b1 (الأخير)	95.80	94.57	88.12	83.31	86.24	80.88	77.44	86.76
hg_s2_b1 (الأفضل)	95.87	94.68	88.27	83.64	86.29	81.20	77.70	86.95
hg_s8_b1 (الأخير)	96.79	95.19	90.08	85.32	87.48	84.26	80.73	88.64
hg_s8_b1 (الأفضل)	96.79	95.28	90.27	85.56	87.57	84.3	81.06	88.78

يتم تصور منحنى التدريب / التحقق من الصحة على النحو التالي.

تقييم مع بيثون

يمكنك أيضًا تقييم النتيجة عن طريق تشغيل python evaluation/eval_PCKh.py لتقييم التنبؤات. سوف ينتج بالضبط نفس نتيجة النتيجة في MATLAB. شكرا @sssruhan1 للمساهمة.

تمرين

قم بتشغيل الأمر التالي في Terminal لتدريب شبكة من 8 مكونات من Hourglass على مجموعة بيانات MPII البشرية.

 CUDA_VISIBLE_DEVICES=0 python example/main.py --dataset mpii -a hg --stacks 8 --blocks 1 --checkpoint checkpoint/mpii/hg8 -j 4

هنا،

• CUDA_VISIBLE_DEVICES=0 يحدد أجهزة GPU التي تريد استخدامها. على سبيل المثال ، استخدم CUDA_VISIBLE_DEVICES=0,1 إذا كنت ترغب في استخدام وحدات معالجة الرسومات مع ID 0 و 1 .
• -j يحدد عدد العمال الذين تريد استخدامه لتحميل البيانات.
• -يحدد --checkpoint المكان الذي تريد حفظ النماذج والسجل والتنبؤات.

متفرقات

مجموعة البيانات المدعومة

• mpii الإنسان تشكل
• ليدز سبورتس تشكل (LSP)
• MSCOCO (شخص واحد)

النماذج المدعومة

• شبكات الساعة المكدسة
• Xiao et al. ، خطوط الأساس البسيطة لتقدير وتتبع الإنسان ، ECCV 2018 (PDF | Github)

يساهم

يرجى إنشاء طلب سحب إذا كنت تريد المساهمة.