用PyTorch实现3D人体姿势估计(弱监督方法pytorch-pose-hg-3d)

Song • 487 次浏览 • 0 个回复 • 2018年03月04日

在自然环境下进行3D人体姿态估计:弱监督方法

该存储库是以下网络中提供的网络的PyTorch实现:在自然环境下进行3D人体姿态估计:弱监督方法

环境

  • cudnn:全称为NVIDIA CUDA® Deep Neural Network library,是NVIDIA专门针对深度神经网络(Deep Neural Networks)中的基础操作而设计基于GPU的加速库。
  • PyTorch
  • h5py:用于读取和写入HDF5文件,安装方法:
    pip install h5py 
  • opencv: 跨平台计算机视觉库
  • progress:一个Python Progressbar库,为长时间运行的操作提供可视化(但基于文本)的进度。progressbar安装:
    pip install progressbar2
  • 可选: tensorboard

测试

  • 下载我们的预训练模型并将其移至models
  • 运行python demo.py -demo /path/to/image [-loadModel /path/to/image]。 我们提供了示例图像images/。为了测试自己的图像,重要的是人应该在图像的中心,并且大部分身体部位应该在图像内。

训练

1、准备训练的数据:

  • 下载预先处理的Human3.6M数据集
  • 运行python GetH36M.pysrc/tools/H36M注释转换为HDF5格式。
  • 修改src/ref.py以设置数据集路径。

2、阶段1:训练2D沙漏组件60次

python main.py -expID Stage1

我们在这里提供了这个阶段的结果。

3、阶段2:没有几何损失的训练(在25次下降LR

python main.py -expID Stage2 -ratio3D 1 -regWeigh 0.1 -loadModel ../exp/Stage1/model_60.pth -nEpochs 30 -dropLR 25

4、阶段3:几何损失的训练

python main.py -expID Stage3 -ratio3D 1 -regWeigh 0.1 -varWeight 0.01 -loadModel ../exp/Stage2/model_30.pth -LR 2.5e-5 -n

项目源码地址

xingyizhou/pytorch-pose-hg-3d


原创文章,转载请注明 :用PyTorch实现3D人体姿势估计(弱监督方法pytorch-pose-hg-3d) - pytorch中文网
原文出处: https://ptorch.com/news/134.html
问题交流群 :168117787
提交评论
要回复文章请先登录注册
用户评论
  • 没有评论
Pytorch是什么?关于Pytorch! pytorch实现聊天机器人(ChatBot)。