【openMMLab】MMPose 代码教程

限时加码!20+主流AI编程工具免费用 购周边加赠Coding Plan Lite,Claude Code、Cursor等即刻畅享,学习进阶更高效! 阅读详情

系列文章目录

第一课:【OpenMMLab】OpenMMLab概述
第二课:【OpenMMLab】人体姿态估计、关键点检测与MMPose


前言

在上一次博客中,我们介绍了人体姿态估计,关键点检测任务相关的知识,本次博客将带大家进行关键点检测实战,体验关键点检测的全流程。
参考资料包括:

实验环境

实验环境 Ubuntu 22.04,NVIDIA Driver Version 530.41.03

安装 Pytorch

  1. 创建 conda 虚拟环境。(此处省略了安装anaconda)
conda create -n env_name python=*.*  # 创建虚拟环境
conda activate env_name				# 激活虚拟环境
  1. 安装 pytorch
    pytorch 官网选择所需的 Pytorch 版本和 CUDA 版本。
    本次安装使用 pip 安装,选择了最新的Pytorch 2.0.1 和 驱动支持的最高CUDA版本 11.8
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

在这里插入图片描述
3. 简单验证Pytorch是否安装成功

python 		# 进入 python console
>>> import torch
>>> torch.__version__
'2.0.1+cu118'
>>> torch.cuda.is_available()
True
>>> exit()

安装 MMPose

用MIM安装MMCV

pip install -U openmim		# -U 表示升级到最新版本
mim install mmengine
mim install 'mmcv>=2.0.0'
mim install 'mmdet>=3.0.0'
# 进入 python console 检查mmcv是否安装成功
python 
>>> import mmcv
>>> from mmcv.ops import get_compiling_cuda_version, get_compiler_version
>>> mmcv.__version__
'2.0.0'
>>> get_compiling_cuda_version()
'11.8'
>>> get_compiler_version()
'GCC 9.3'
>>> exit()

安装其他工具包

pip install opencv-python pillow matplotlib seaborn tqdm pycocotools

下载MMPose

可参考:
廖雪峰 Git 教程
pip install . 和 pip install -e . 的区别

# 进入准备安装项目的目录
cd path_to_project		
# 如果配置好git ssh  -b 表示 视频教程中使用的项目分支,如果只需要安装mmpose 不需要加-b tutorial2023
git clone git@github.com:open-mmlab/mmpose.git -b tutorial2023
# 也可以直接 https
git clone https://github.com/open-mmlab/mmpose.git -b tutorial2023
cd mmpose
mim install -e .
# 创建用于保存 训练权重,预测结果 数据 的文件夹
mkdir checkpoint output data/test 
# 进入 python console 检查 mmpose 安装是否成功
python
>>> import mmpose
>>> mmpose.__version__
'1.0.0'
>>> exit()

安装 MMDetection

cd path_to_project
# 如果不跟同济子豪兄的视频教程,不需要加 -b
git clone git@github.com:open-mmlab/mmdetection.git -b 3.x
git clone https://github.com/open-mmlab/mmdetection.git -b 3.x
cd mmdetection
mkdir checkpoint outputs data
pip install -v -e .
python
>&g
MMPose理解 MMPose常用知识点 阅读详情

相关推荐

MMPose姿态估计——1.入门及环境配置

MMPose 是一款基于 Pytorch 的姿态估计开源工具箱,是 OpenMMLab 项目的成员之一,包含了丰富的 2D 多人姿态估计、2D 手部姿态估计、2D 人脸关键点检测、133关键点全身人体姿态估计、动物关键点检测、服饰关键点检测等算法以及相关的组件和模块,下面是它的整体框架:MMPose 由个主要部分组成,apis、structures、datasets、codecs、models、engine、evaluation 和 visualization。提供用于。

m0_55303420的博客 2471

MMPose姿态估计+人体关键点识别效果演示

MMPose开源姿态估计算法库,进行了人体关键点的效果演示。(包括肢体,手部和全身的关键点,还尝试了MMPose实时效果)

weixin_61674495的博客 2万+

mmpose关键点(四):优化关键点模型(原理与代码讲解,持续更新)

这种影响会随着特征尺寸的变大而更剧烈。Removing the Bias of Integral Pose Regression提出debias方法消除Softmax软化产生的影响。具体而言,假设响应值是符合高斯分布的,我们可以根据响应最大值点两倍的宽度,把特征图划分成四个区域:我们知道一旦经过Softmax,原本都是0值的2、3、4象限区域瞬间就会被长长的尾巴填满,而对于第1象限区域,由于响应值正处于区域的中央,因此不论响应值大小,该区域的估计期望值都会是准确的。让我们回到Softmax公式:

litt1e的博客 6037

MMPose

MMPose1. 简介1.1 功能列表 1. 简介 MMPose代码 MMPose文档 1.1 功能列表

MyArrow的专栏 4727

OpenMMLab AI实战训练营day3-MMpose代码教程

MMPose 是一款基于 Pytorch 的姿态估计开源工具箱,是 OpenMMLab 项目的成员之一,包含了丰富的 2D 多人姿态估计、2D 手部姿态估计、2D 人脸关键点检测、133关键点全身人体姿态估计、动物关键点检测、服饰关键点检测等算法以及相关的组件和模块,下面是它的整体框架:MMPose 由 8 个主要部分组成,apis、structures、datasets、codecs、models、engine、evaluation 和 visualization。

lgwwslgw的博客 386

OpenMMLab AI实战营二期笔记】第三天 MMPose代码教程

代码教程地址:github.com/TommyZihao/MMPose_Tutorials。

qq_41776136的博客 775

OpenMMLab学习笔记三(MMPose代码教程

我推测这可能是由于我在win10系统下搭建的环境,如果在Linux系统下估计就不会报错了。不过由于网络限制,如果在学校集群上创建环境实在是太慢了,先简单练练手吧。之后争取拿到奖学金后自己买一台带4090的笔记本,直接搞一个Ubuntu系统,哈哈哈加油吧!今天是个美好的周末,开心地打开第三节课的视频,进入了真正的代码实操阶段。由于有一丢丢安装生物信息软件的经验,所以在环境配置方面终于不是一个小白的身份了,不过过程也不错一帆风顺。

weixin_44732298的博客 348

OpenMMLab】MMSegmentation 代码

第一课:【OpenMMLabOpenMMLab概述 第二课:【OpenMMLab】人体姿态估计、关键点检测与MMPose 第三课:【openMMLabMMPose 代码教程 第四课:【OpenMMLab深度学习预训练与 MMPreTrain 第五课: 【OpenMMLab】MMPretrain 代码教程 第六课:【OpenMMLab】目标检测与MMDetection 第七课:【OpenMMLab】MMDetection 代码 第八课:【OpenMMLab】语义分割与MMSegmentationMMSe

DplusC的博客 407

MMPoseOpenMMLab开源姿态估计工具箱终极指南

MMPoseOpenMMLab生态中领先的开源姿态估计工具箱,提供从2D到3D、从人体到动物、从基础关节到全身133个关键点的完整解决方案。这个强大的工具箱支持多种姿态估计算法,包括热图回归、坐标回归、自顶向下和自底向上等多种方法,为计算机视觉开发者提供了全面的姿态分析能力。 ## 为什么选择MMPose?四大核心优势解析 [![实验室姿态分析](https://raw.gitcode.co

gitblog_00794的博客 646

MMPose深度解析:OpenMMLab姿态估计工具箱的5大核心技术突破

计算机视觉领域,**姿态估计技术**正以前所未有的速度发展,从简单的17点身体关键点到复杂的133点全身关键点检测,从2D平面分析到3D空间重建,技术挑战日益复杂。MMPose作为OpenMMLab生态系统中的**开源姿态估计工具箱**,通过五大核心技术突破,为开发者和研究人员提供了完整的姿态分析解决方案。 ## 技术挑战与MMPose的创新应对策略 ### 多场景覆盖:从实验室到复杂环境的

gitblog_00151的博客 853

OpenMMLab MMPose 可视化功能详解

OpenMMLab MMPose 可视化功能详解 【免费下载链接】mmpose OpenMMLab Pose Estimation Toolbox and Benchmark. 项目地址: https://gitcode.com/...

gitblog_00588的博客 605

MMPose姿态检测库完整安装指南与使用教程

本文详细介绍了在Windows系统上安装和使用OpenMMLab开源姿态估计工具箱MMPose的完整流程。从创建conda虚拟环境、安装PyTorch和CUDA等基础依赖,到通过OpenMIM安装MMEngine、MMCV、MMDetection等OpenMMLab相关库,最后克隆并安装MMPose源码。文章还提供了实时摄像头测试方法和多种预训练模型的使用示例,包括面部、手掌、全身关键点检测等不同场景,并对比了RTMO、ViTPose等模型的特点,为开发者和研究者提供了全面的姿态估计解决方案指南。

yuanpan的专栏 1947

OpenMMLabOpenMMLab概述

OpenMMLab 诞生于2018年,是一个由中国开发者主导的人工智能计算机视觉开源算法体系。每个计算机视觉任务都有相应的OpenMMLab在Github上开源。OpenMMLab 已经累计开源了超过30个算法库,大量的预训练模型,涵盖了图像识别分类,目标检测,语义分割,姿态估计等等各种计算机视觉任务。而且这些算法库都在Github上免费开源,可以直接下载所有的源代码和预训练文件。

DplusC的博客 2528

OpenMMLab AI笔记9——MMPose代码实战课

因为时间有点赶,所以后面三角板的关键点预测demo我没有跑,直接开始跑作业的耳朵穴位数据集了,因为有前面的铺垫,所以跑穴位数据集相对没遇到什么困难(暂时),上传要训练的数据集,下载相应的config配置文件,或者直接用demo的Faster R CNN和RTMDet-Tiny也行hhhh,但是要改config里面的数据集路径以及类别,完了就可以在终端跑起来了,默默看着work_dirs等待结果……跑分固然重要,但配环境炼丹的过程也很奇妙,希望大家也能享受这个“折磨”的过程,有所进步收获吧~

m0_62777538的博客 441

openmmlab 教程1-安装

MIM:MIM 是 OpenMMlab 项目、算法、模型的统一入口: OpenMMLab 图像分类工具箱: OpenMMLab 目标检测工具箱: OpenMMLab 新一代通用 3D 目标检测平台MMRotate: OpenMMLab 旋转框检测工具箱与测试基准: OpenMMLab 语义分割工具箱MMOCR: OpenMMLab 全流程文字检测识别理解工具箱MMPose: OpenMMLab 姿态估计工具箱MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准。...

wujing1_1的博客 4711

OpenMMLab AI实战营第二期(2)MMPose初体验

MMPose 是一款基于 Pytorch 的姿态估计开源工具箱,是 OpenMMLab 项目的成员之一,包含了丰富的 2D 多人姿态估计、2D 手部姿态估计、2D 人脸关键点检测、133关键点全身人体姿态估计、动物关键点检测、服饰关键点检测等算法以及相关的组件和模块,下面是它的整体框架:MMPose 由 8 个主要部分组成,apis、structures、datasets、codecs、models、engine、evaluation 和 visualization。

qq_47997583的博客 1310

OpenMMLab】人体姿态估计、关键点检测与MMPose

OpenMMLab概述为大家介绍了通用视觉框架 OpenMMLab 中具有代表性的算法库,如MMPretrain、MMDetecton、MMDetection3D、MMRotate、MMSegmentation、MMPose、MMAction2、MMOCR、MMagic、MMYOLO等。本篇博客将深入了解人体姿态估计(或关键点检测)算法,以及OpenMMLab 开源的用于关键点检测的算法库 MMPose

DplusC的博客 1234

3步快速上手MMPoseOpenMMLab姿态估计工具完全指南

**MMPose** 是OpenMMLab开源生态中专业的姿态估计工具箱,专注于人体、动物、人脸、手部等关键点检测与姿态分析。作为业界领先的姿态估计算法库,MMPose提供了从数据标注、模型训练到部署应用的全流程解决方案,支持2D/3D姿态估计、多人体检测、实时推理等核心功能,帮助开发者快速构建高质量的姿态识别应用。 ## 行业痛点:传统姿态估计的三大挑战 在计算机视觉领域,姿态估计一直面临着

gitblog_01047的博客 485
上一篇: 【OpenMMLab】人体姿态估计、关键点检测与MMPose
下一篇: 【OpenMMLab】深度学习预训练与 MMPreTrain
Donny0v0
博客等级 码龄8年 78粉丝 15原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值