Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
You can not select more than 25 topics
Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.
kingeorge
1063ffa405
|
1 year ago | |
|---|---|---|
| src | 1 year ago | |
| README.md | 1 year ago | |
| test.py | 1 year ago | |
| train.py | 1 year ago | |
README.md
目录
Omnipose
OmniPose是一个人体姿态估计网络，它结合了多尺度的特征 multi-scale features，并引入了一个提升过的 waterfall 结构，可以在保持特征图高分辨率的情况下增大感受野FOV,这个提升过后的 waterfall 结构称为 waterfall Astrous Spatial pooling（WASPv2），它既扮演特征提取器，也扮演 decoder；通过引入高斯热图调制(Gaussian heatmap modulation)方法来帮助进行 joint 坐标点的定位，可以使 upsampling 过程中的 point 定位的更加准确，克服了分辨率上升而存在的量化误差(quantization error)问题。
数据集
-
使用的数据集：COCO2017
- 数据集大小：
- 训练集：19.56G, 118,287个图像
- 测试集：825MB, 5,000个图像
- 数据格式：JPG文件
- 注：数据在src/dataset.py中处理
- 数据集大小：
环境要求
- 硬件（Ascend）
- 使用Ascend来搭建硬件环境。
- 框架
- 如需查看详情，请参见如下资源：
脚本说明
脚本及样例代码
└──OmniPose
├── README.md
├── src
├── utils
├── coco.py # COCO数据集评估结果
├── nms.py # nms
├── transforms.py # 图像处理转换
├── config.py # 参数配置
├── dataset.py # 数据预处理
├── network_with_loss.py # 损失函数定义
├── omnipose.py # 主干网络定义
├── wasp.py # wasp模块定义
└── predict.py # 热图关键点预测
├── eval.py # 评估网络
└── train.py # 训练网络
脚本参数
配置请参考脚本config.py。 通过官方网站安装MindSpore后，您可以按照如下步骤进行训练和评估：
模型描述
性能
评估性能
| 参数 | Ascend |
|---|---|
| 模型 | Omnipose |
| 资源 | Ascend 910 |
| MindSpore版本 | 1.5.1 |
| 数据集 | COCO |
| 训练参数 | epoch=210 |
| 输出 | AP |
| 准确率 | AP 0.7953 |
2022昇腾AI创新大赛昇思赛道 第二批 赛题十一：利用MindSpore实现OmniPose姿态估计网络
Python
Contributors (1)
