【文件属性】：
文件名称：deephar:深度人类动作识别和姿势估计
文件大小：816KB
文件格式：ZIP
更新时间：2021-05-04 18:33:55
Python
深度人类动作识别
该软件是我们CVPR'18和TPAMI'20论文的补充材料：
使用多任务深度学习（CVPR'18）的2D / 3D姿势估计和动作识别[ ]
可以在观看演示视频。
实时3D人体姿势估计和动作识别（TPAMI'20）的多任务深度学习[ ]
注意
此回购协议已使用我们与TPAMI'20 [ ]有关的用于多任务人体姿势估计和动作识别的最新代码进行了更新。 如果您要从我们的CVPR'18 []中寻找源代码，请签出。
如果您在使用此代码时遇到麻烦并需要紧急帮助，请给我发一封电子邮件，地址为gmail.com上的<[first name][last name] at gmail dot com> 。
如何安装
请参考。
评估公共数据集
MPII上的2D姿态估计（CVPR'18模型）
使用多作物和水平翻转数据增强对MPII数据进行训练的模型在测试集上达到91.2％，在验证
【文件预览】：
deephar-master
----images()
--------tpamifig.jpg(230KB)
--------preds.png(489KB)
----.github()
--------workflows()
----INSTALL.md(2KB)
----exp()
--------h36m()
--------mpii()
--------common()
--------ntu()
--------pennaction()
----deephar()
--------models()
--------callbacks.py(1KB)
--------data()
--------activations.py(868B)
--------losses.py(3KB)
--------__init__.py(850B)
--------trainer.py(7KB)
--------layers.py(15KB)
--------config.py(6KB)
--------utils()
--------measures.py(5KB)
--------objectives.py(321B)
----requirements.txt(86B)
----run.sh(1KB)
----LICENSE.md(1KB)
----.gitignore(242B)
----README.md(4KB)
----datasets()
--------MPII()
--------Human3.6M()
--------PennAction()
--------annothelper.py(3KB)
--------NTU()