Por Zhe Cao, Tomas Simon, Shih-En Wei, Yaser Sheikh.
Repositório de código para vencer o MSCOCO Keypoints Challenge 2016, o prêmio ECCV Best Demo Award 2016 e o artigo oral CVPR 2017.
Assista ao resultado do nosso vídeo no YouTube ou em nosso site.
Apresentamos uma abordagem bottom-up para estimativa de pose de múltiplas pessoas em tempo real, sem usar nenhum detector de pessoas. Para mais detalhes, consulte nosso artigo CVPR'17, nossa gravação de vídeo de apresentação oral no CVPR 2017 ou nossos slides de apresentação no workshop ILSVRC e COCO 2016.
Este projeto está licenciado nos termos da licença.
Obrigado a todos pelos esforços para a reimplementação! Se você tiver uma nova implementação e quiser compartilhar com outras pessoas, sinta-se à vontade para fazer uma solicitação pull ou me enviar um e-mail!
cd testing; get_model.sh
para recuperar nosso modelo MSCOCO mais recente de nosso servidor web.config.m
e execute demo.m
para um exemplo de uso.cd testing/python
ipython notebook
demo.ipynb
e execute o código cd training; bash getData.sh
para obter as imagens COCO em dataset/COCO/images/
, anotações de pontos-chave em dataset/COCO/annotations/
e caixa de ferramentas oficial COCO em dataset/COCO/coco/
.getANNO.m
em matlab para converter o formato de anotação de json para mat em dataset/COCO/mat/
.genCOCOMask.m
no matlab para obter as imagens da máscara para pessoas não rotuladas. Você pode usar 'parfor' no matlab para acelerar o código.genJSON('COCO')
para gerar um arquivo json na pasta dataset/COCO/json/
. Os arquivos JSON contêm informações brutas necessárias para o treinamento.python genLMDB.py
para gerar seu LMDB. (Você também pode baixar nosso LMDB para o conjunto de dados COCO (arquivo de 189 GB) por: bash get_lmdb.sh
)python setLayers.py --exp 1
para gerar o prototxt e o arquivo shell para treinamento.bash train_pose.sh 0,1
(gerado por setLayers.py) para iniciar o treinamento com dois gpus. Por favor, cite o artigo em suas publicações se isso ajudar em sua pesquisa:
@inproceedings{cao2017realtime,
author = {Zhe Cao and Tomas Simon and Shih-En Wei and Yaser Sheikh},
booktitle = {CVPR},
title = {Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields},
year = {2017}
}
@inproceedings{wei2016cpm,
author = {Shih-En Wei and Varun Ramakrishna and Takeo Kanade and Yaser Sheikh},
booktitle = {CVPR},
title = {Convolutional pose machines},
year = {2016}
}