文件名称：unofficial-implement-of-openpose:Openpose使用Tensorflow的工具
文件大小：15.4MB
文件格式：ZIP
更新时间：2024-05-25 23:07:41
deep-neural-networks deep-learning tensorflow vgg pose-estimation
非正式的公开实施 您可以在或上查看完整结果 使用TensorFlow的openpose的简单实现。 仅使用基本的python，因此代码易于理解。 您可以检查张量图中的图形，每个阶段的内部输出以及每个图层的直方图。 原始Repo（Caffe）： : 。 数据加载器和后处理代码来自 。 Python 3.6 训练 下载vgg19权重文件或链接： ://pan.baidu.com/s/1t6iouKeDZBZRRg4BXsv5GA提取码：4k1w并uzip到“ checkpoints / vgg /”（请自行创建路径）。 下载COCO2017：2017年列车的图像，2017年瓦尔图像和2017年火车/瓦尔注解。 确保具有以下结构： -COCO / -图片/ -train2017 / -val2017 / -注释/ 在train.py中将'--annot_path_train
【文件预览】：
unofficial-implement-of-openpose-master
----common.py(4KB)
----estimator.py(21KB)
----pose_dataset.py(17KB)
----images()
--------video.avi(1.33MB)
--------ski.jpg(299KB)
----tensblur()
--------__init__.py(0B)
--------smoother.py(3KB)
----train.py(11KB)
----run.py(6KB)
----run_script(131B)
----test_vgg19.py(847B)
----pose_augment.py(9KB)
----cpm.py(13KB)
----.gitignore(1KB)
----pafprocess()
--------pafprocess_wrap.cpp(178KB)
--------pafprocess.i(559B)
--------pafprocess.cpp(9KB)
--------__init__.py(0B)
--------numpy.i(107KB)
--------setup.py(421B)
--------README.md(319B)
--------pafprocess.h(1KB)
--------pafprocess.py(10KB)
----vgg.py(16KB)
----readme()
--------IMG_4030.GIF(4.82MB)
--------IMG_4037.GIF(2.25MB)
--------IMG_4062.GIF(1.78MB)
--------Screenshot 2018-12-12 at 10.21.55 PM.png(311KB)
--------loss2.svg(60KB)
--------loss2 (1).svg(42KB)
--------IMG_4063.GIF(4.4MB)
--------graph_run=.png(208KB)
----README.md(2KB)
----network.py(12KB)
----.gitattributes(61B)