文件名称：Improved-Body-Parts:简单姿势
文件大小：17.62MB
文件格式：ZIP
更新时间：2024-06-02 12:46:31
training tutorial heatmap pytorch distributed
简单姿势 AAAI-2020接受了我们的论文代码和预训练模型。 此回购还充当了我们的论文“基于高斯响应热图的多人姿势估计”的B部分（正在审查中）。 在上可以找到A部分。 更新 一个更快的项目将被发布。 介绍 自底向上方法解决多人姿势估计问题。 内容 训练 评估 演示版 项目特色 使用Pytorch以自动混合精度（使用Nvidia Apex）实现模型。 支持在多个GPU上进行培训（每个GPU卡上的GPU使用率超过90％）。 在训练过程中快速进行数据准备和扩充（在信号CPU进程中每秒生成约40个样本，如果由DataLoader类包装，则每秒生成更多）。 局灶性L2丢失。 多尺度监督。 该项目还可以作为Pytorch中绿色手的详细实践。 准备 安装软件包： Python = 3.6，Pytorch> 1.0，Nvidia Apex和其他需要的软件包。 下载COCO数据集。 下载
【文件预览】：
Improved-Body-Parts-master
----train_distributed.py(22KB)
----.gitignore(177B)
----demo_image.py(39KB)
----README.md(6KB)
----utils()
--------config_reader.py(2KB)
--------util.py(8KB)
--------__init__.py(0B)
--------config(1KB)
----py_cocodata_server()
--------py_data_iterator.py(7KB)
--------py_data_heatmapper.py(19KB)
--------__pycache__()
--------__init__.py(0B)
--------py_data_transformer.py(9KB)
----.github()
--------stale.yml(703B)
----train_parallel.py(10KB)
----train.py(9KB)
----evaluate.py(37KB)
----visulizatoin()
--------Digraph.gv(6KB)
--------AAAI-Poster.pptx(7.91MB)
--------examples.png(4.18MB)
--------scale4.png(311KB)
--------2987.Figure3.png(930KB)
--------scale3.png(290KB)
--------scale0.png(283KB)
--------2987.Figure2.png(2.77MB)
--------scale1.png(283KB)
--------scale2.png(283KB)
--------fl2.png(413KB)
--------draw_net.py(4KB)
----models()
--------loss_model_parallel.py(7KB)
--------posenet3.py(10KB)
--------loss_model.py(9KB)
--------layers_transposed_final.py(10KB)
--------ae_pose.py(5KB)
--------ae_layer.py(2KB)
--------__init__.py(0B)
--------posenet_independent.py(8KB)
--------layers.py(8KB)
--------posenet.py(10KB)
--------focal_loss.py(552B)
--------posenet_final.py(11KB)
--------layers_transposed.py(13KB)
--------posenet2.py(10KB)
----checkpoints()
--------log(5KB)
----config()
--------config2.py(14KB)
--------config.py(15KB)
--------config_final.py(15KB)
--------config_dense.py(15KB)
----requirements.txt(2KB)
----parallel_encoding()
--------__init__.py(0B)
--------paralle.py(11KB)
----train_distributed_SWA.py(21KB)
----test_inference_speed.py(5KB)
----data()
--------result.jpg(149KB)
--------dataset()
--------coco_masks_hdf5.py(17KB)
--------mydataset.py(3KB)