文件名称：LIP-JPPNet-TensorFlow：TensorFlow中的JPPNet实施以供人解析
文件大小：2.58MB
文件格式：ZIP
更新时间：2024-02-24 23:59:07
ssl parsing human human-parsing pose-estimation
免责声明 这是的经过修改的存储库。 请参阅原始存储库以获取更多详细信息。 联合身体分析和姿势估计网络（JPPNet） 梁晓丹，龚科，沉和林亮，“观察人：联合的身体分析和姿势估计网络和一个新的基准”，T- 介绍 JPPNet是人类解析和姿态估计建立在之上的国家的艺术深度学习方法 。 这个新颖的联合人类解析和姿态估计网络在端到端框架中结合了多尺度特征连接和迭代位置细化，以研究有效的上下文建模，然后实现彼此互利的解析和姿态任务。 这个统一的框架为人类分析和姿势估计任务实现了最先进的性能。 此发行版为T-PAMI 2018接受的中报告的关键模型成分提供了一个公开可用的实现。我们通过探索一种新颖的
【文件预览】：
LIP-JPPNet-TensorFlow-master
----kaffe()
--------errors.py(111B)
--------tensorflow()
--------caffe()
--------graph.py(11KB)
--------transformers.py(11KB)
--------__init__.py(115B)
--------layers.py(5KB)
--------shapes.py(3KB)
----.gitignore(1KB)
----evaluate_msc_with_CRF.py(8KB)
----README.md(4KB)
----utils()
--------lip_reader.py(11KB)
--------image_reader_CRF.py(6KB)
--------ops.py(2KB)
--------read_LIP_data.py(2KB)
--------ssl_reader.py(6KB)
--------utils.py(6KB)
--------model.py(26KB)
--------pose_structure.py(7KB)
--------__init__.py(255B)
--------BatchDatsetReader.py(4KB)
--------image_reader.py(6KB)
----EvalMetrics.py(16KB)
----LICENSE(1KB)
----datasets()
--------examples()
--------lip()
----bfscore.py(6KB)
----denseCRF.py(10KB)
----train_SS-JPPNet.py(23KB)
----evaluate_parsing_JPPNet-s2.py(8KB)
----train_JPPNet-s2.py(23KB)
----LIP_model.py(4KB)
----test_human.py(3KB)
----evaluate_pose_JPPNet-s2.py(7KB)