Paddle2.0案例: 人体姿态关键点检测

本文介绍基于Paddle2.0实现人体姿态关键点检测的案例。先说明关键点检测的意义与两类方法,强调人体姿态检测的特殊性及常用热力图回归法。接着讲解环境设置、COCO数据集处理、数据集定义与抽样展示,还构建了基于ResNet的PoseNet模型,阐述训练过程与预测结果,展示不同训练程度模型的效果差异。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

paddle2.0案例: 人体姿态关键点检测 - 创想鸟

关键点检测方法及应用2: 人体姿态关键点检测

本示例教程当前是基于2.0-rc版本Paddle做的案例实现,未来会随着2.0的系列版本发布进行升级。

1.简要介绍

在图像处理中,关键点本质上是一种特征。它是对一个固定区域或者空间物理关系的抽象描述,描述的是一定邻域范围内的组合或上下文关系。它不仅仅是一个点信息,或代表一个位置,更代表着上下文与周围邻域的组合关系。关键点检测的目标就是通过计算机从图像中找出这些点的坐标,作为计算机视觉领域的一个基础任务,关键点的检测对于高级别任务,例如识别和分类具有至关重要的意义。

关键点检测方法总体上可以分成两个类型,一个种是用坐标回归的方式来解决,另一种是将关键点建模成热力图,通过像素分类任务,回归热力图分布得到关键点位置。这两个方法,都是一种手段或者是途径,解决的问题就是要找出这个点在图像当中的位置与关系。

人脸关键点检测是最基于坐标回归的关键点检测方法,在案例Paddle2.0案例: 人脸关键点检测简要介绍如何通过飞桨开源框架实现人脸关键点检测的训练和预测。

人体姿态关键点检测(Human Keypoint Detection)又称为人体姿态识别,旨在准确定位图像之中人体关节点的位置,是人体动作识别、人体行为分析、人机交互的前置任务。与人脸关键点检测不同,人体的躯干部位更为灵活,变化更为难以预测,基于坐标回归的方法难以胜任,通常使用热力图回归的关键点检测方法。

这个案例基于人体姿态估计与追踪之关键点检测,使用新版的paddle2.0的API对人体姿态关键点模型Simple Baselines for Human Pose Estimation and Tracking进行复现,并使用集成式的训练接口,更方便地对模型进行训练和预测。

2.环境设置

导入必要的模块,确认自己的飞桨版本。 如果是cpu环境,请安装cpu版本的paddle2.0环境,在 paddle.set_device() 输入对应运行设备。

In [ ]

!unzip -o cocoapi.zip -d work!cd work/cocoapi/PythonAPI && python setup.py installprint('API安装完成')

安装完成后重启环境。

In [1]

import numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport osimport argparseimport paddlefrom paddle.io import Datasetfrom paddle.vision.transforms import transformsfrom paddle.vision.models import resnet18from paddle.nn import functional as Fprint(paddle.__version__)# 选择CPU/GPU环境# device = paddle.set_device('cpu')device = paddle.set_device('gpu')from pycocotools.coco import COCOimport pdbimport randomimport cv2from work.transforms import fliplr_jointsfrom work.transforms import get_affine_transformfrom work.transforms import affine_transform
2.0.0-rc1

3.数据集

目前COCO keypoint track是人体关键点检测的权威公开比赛之一,COCO数据集中把人体关键点表示为17个关节,分别是鼻子,左右眼,左右耳,左右肩,左右肘,左右腕,左右臀,左右膝,左右脚踝。而人体关键点检测的任务就是从输入的图片中检测到人体及对应的关键点位置。

3.1 数据集说明

本案例提供了两个数据集

COCO2017数据集,对应data/data7122coco-关键点检测,对应data/data9663

第一个是完整的coco数据集,包含了用于多种任务的完整标注。本示例由于展示需要,第二个数据集仅从coco数据集中抽取出了100张包含人体图像,仅包含人体关键点的标注。

如果需要训练自己的数据集可以参照coco数据集格式,将自己的数据集转化为coco数据集的格式,然后使用COCOPose来读取。

其中数据集中包含的文件路径如下:

`-- coco`-- annotations |-- person_keypoints_train2017.json |-- person_keypoints_val2017.json`-- images |-- train2017|-- val2017|-- test2017

In [ ]

# 解压示例数据集!unzip -o data/data9663/coco.zip -d data/data9663/

In [ ]

# 或者,解压完整coco数据集!cd data/data7122 && mkdir coco!unzip -o data/data7122/train2017.zip -d data/data7122/coco/images!unzip -o data/data7122/val2017.zip -d data/data7122/coco/images!unzip -o data/data7122/annotations_trainval2017.zip -d data/data7122/coco/

3.2 数据集定义

飞桨(PaddlePaddle)数据集加载方案是统一使用Dataset(数据集定义) + DataLoader(多进程数据集加载)。

首先我们先进行数据集的定义,数据集定义主要是实现一个新的Dataset类,继承父类paddle.io.Dataset,并实现父类中以下两个抽象方法,getitem__和__len:

In [6]

class COCOPose(Dataset):    def __init__(self, data_dir, mode='train', val_split=0.1, shuffle=False, debug=False):        class config:            # 17个关键点            NUM_JOINTS = 17            # 左右对称的关键点序号            FLIP_PAIRS = [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12], [13, 14], [15, 16]]            SCALE_FACTOR = 0.3            ROT_FACTOR = 40            FLIP = True            SIGMA = 3            # 裁剪patch大小            IMAGE_SIZE = [288, 384]            # heatmap大小            HEATMAP_SIZE = [72, 96]            ASPECT_RATIO = IMAGE_SIZE[0] * 1.0 / IMAGE_SIZE[1]            MEAN = [0.485, 0.456, 0.406]            STD = [0.229, 0.224, 0.225]            PIXEL_STD = 200        self.cfg = config        self.cfg.DATAROOT = data_dir        self.cfg.DEBUG = debug        self.mode = mode        # 划分训练集和验证集合        if self.mode in ['train', 'val']:            file_name = os.path.join(data_dir, 'annotations', 'person_keypoints_' + self.mode + '2017.json')        else:            raise ValueError("The dataset '{}' is not supported".format(self.mode))        # 用cocotools提供的API读取标注的json文件        coco = COCO(file_name)        # Deal with class names        cats = [cat['name']                for cat in coco.loadCats(coco.getCatIds())]        classes = ['__background__'] + cats        print('=> classes: {}'.format(classes))        num_classes = len(classes)        _class_to_ind = dict(zip(classes, range(num_classes)))        _class_to_coco_ind = dict(zip(cats, coco.getCatIds()))        _coco_ind_to_class_ind = dict([(_class_to_coco_ind[cls],                                        _class_to_ind[cls])                                       for cls in classes[1:]])        # Load image file names        image_set_index = coco.getImgIds()        data_len = len(image_set_index)        if shuffle:            random_seed = 34            random.seed(random_seed)            random.shuffle(image_set_index)        num_images = len(image_set_index)        print('=> num_images: {}'.format(num_images))        gt_db = self._load_coco_keypoint_annotation(            image_set_index, coco, _coco_ind_to_class_ind)        self.gt_db = self._select_data(gt_db)    # 每次迭代时返回数据和对应的标签    def __getitem__(self, idx):        sample = self.gt_db[idx]        image_file = sample['image']        filename = sample['filename'] if 'filename' in sample else ''        joints = sample['joints_3d']        joints_vis = sample['joints_3d_vis']        c = sample['center']        s = sample['scale']        score = sample['score'] if 'score' in sample else 1        r = 0        # 读取图片        data_numpy = cv2.imread(            image_file, cv2.IMREAD_COLOR | cv2.IMREAD_IGNORE_ORIENTATION)                # 数据增广        if self.mode == 'train':            sf = self.cfg.SCALE_FACTOR            rf = self.cfg.ROT_FACTOR            # 随机裁剪            s = s * np.clip(np.random.randn() * sf + 1, 1 - sf, 1 + sf)            r = np.clip(np.random.randn() * rf, -rf * 2, rf * 2)                 if random.random() <= 0.6 else 0                        # 随机交换左右对称关键点坐标            if self.cfg.FLIP and random.random()  0.0:                joints[i, 0:2] = affine_transform(joints[i, 0:2], trans)        # 生成多通道heatmap        target, target_weight = self.generate_target(joints, joints_vis)                # 检查生成的图像        if self.cfg.DEBUG:            self.visualize(filename, data_numpy, input_img.copy(), joints, target)        # 归一化(减均值、除方差)        input_img = input_img.astype('float32').transpose((2, 0, 1)) / 255        input_img -= np.array(self.cfg.MEAN).reshape((3, 1, 1))        input_img /= np.array(self.cfg.STD).reshape((3, 1, 1))        if self.mode=='train' or self.mode=='val':            return input_img, target, target_weight        else:            return input_img, target, target_weight, c, s, score, image_file    # 返回整个数据集的总数    def __len__(self):        return len(self.gt_db)    # 以下函数是用来辅助读取数据    # 读取具体标注    def _load_coco_keypoint_annotation(self, image_set_index, coco, _coco_ind_to_class_ind):        """Ground truth bbox and keypoints.        """        print('generating coco gt_db...')        gt_db = []        for index in image_set_index:            im_ann = coco.loadImgs(index)[0]            width = im_ann['width']            height = im_ann['height']            annIds = coco.getAnnIds(imgIds=index, iscrowd=False)            objs = coco.loadAnns(annIds)            # Sanitize bboxes            valid_objs = []            for obj in objs:                x, y, w, h = obj['bbox']                x1 = np.max((0, x))                y1 = np.max((0, y))                x2 = np.min((width - 1, x1 + np.max((0, w - 1))))                y2 = np.min((height - 1, y1 + np.max((0, h - 1))))                if obj['area'] > 0 and x2 >= x1 and y2 >= y1:                    obj['clean_bbox'] = [x1, y1, x2 - x1, y2 - y1]                    valid_objs.append(obj)            objs = valid_objs                        rec = []            for obj in objs:                cls = _coco_ind_to_class_ind[obj['category_id']]                if cls != 1:                    continue                joints_3d = np.zeros((self.cfg.NUM_JOINTS, 3), dtype=np.float)                joints_3d_vis = np.zeros((self.cfg.NUM_JOINTS, 3), dtype=np.float)                if self.mode in ['train', 'val']:                    # Ignore objs without keypoints annotation                    if max(obj['keypoints']) == 0:                        continue                    for ipt in range(self.cfg.NUM_JOINTS):                        joints_3d[ipt, 0] = obj['keypoints'][ipt * 3 + 0]                        joints_3d[ipt, 1] = obj['keypoints'][ipt * 3 + 1]                        joints_3d[ipt, 2] = 0                        t_vis = obj['keypoints'][ipt * 3 + 2]                        if t_vis > 1:                            t_vis = 1                        joints_3d_vis[ipt, 0] = t_vis                        joints_3d_vis[ipt, 1] = t_vis                        joints_3d_vis[ipt, 2] = 0                center, scale = self._box2cs(obj['clean_bbox'][:4])                rec.append({                    'image': os.path.join(self.cfg.DATAROOT, 'images', self.mode + '2017', '%012d.jpg' % index),                    'center': center,                    'scale': scale,                    'joints_3d': joints_3d,                    'joints_3d_vis': joints_3d_vis,                    'filename': '%012d.jpg' % index,                    'imgnum': 0,                })            gt_db.extend(rec)        return gt_db    def _select_data(self, db):        db_selected = []        for rec in db:            num_vis = 0            joints_x = 0.0            joints_y = 0.0            for joint, joint_vis in zip(                    rec['joints_3d'], rec['joints_3d_vis']):                if joint_vis[0]  metric:                db_selected.append(rec)        print('=> num db: {}'.format(len(db)))        print('=> num selected db: {}'.format(len(db_selected)))        return db_selected    def _box2cs(self, box):        x, y, w, h = box[:4]        return self._xywh2cs(x, y, w, h)    def _xywh2cs(self, x, y, w, h):        center = np.zeros((2), dtype=np.float32)        center[0] = x + w * 0.5        center[1] = y + h * 0.5        if w > self.cfg.ASPECT_RATIO * h:            h = w * 1.0 / self.cfg.ASPECT_RATIO        elif w = HEATMAP_SIZE[0] or ul[1] >= HEATMAP_SIZE[1]                     or br[0] < 0 or br[1]  0.5:                target[joint_id][img_y[0]:img_y[1], img_x[0]:img_x[1]] =                     g[g_y[0]:g_y[1], g_x[0]:g_x[1]]        return target, target_weight    # 数据可视化    def visualize(self, filename, data_numpy, input, joints, target):        """        :param cfg: global configurations for dataset        :param filename: the name of image file        :param data_numpy: original numpy image data        :param input: input tensor [b, c, h, w]        :param joints: [num_joints, 3]        :param target: target tensor [b, c, h, w]        """        NUM_JOINTS = self.cfg.NUM_JOINTS        from matplotlib import pyplot as plt        plt.figure(figsize=(15, 7))        plt.subplot(1,2,1)        plt.imshow(cv2.cvtColor(data_numpy, cv2.COLOR_BGR2RGB))        plt.subplot(1,2,2)        plt.imshow(cv2.cvtColor(input, cv2.COLOR_BGR2RGB))        plt.scatter(joints[:, 0], joints[:, 1], marker='x', s=10, color='cyan')        plt.show()        plt.figure(figsize=(15, 13))        for i in range(NUM_JOINTS):            plt.subplot(5,4,i+1)            plt.imshow(target[i])        plt.show()

3.3 数据集抽样展示

实现好Dataset数据集后,我们来测试一下数据集是否符合预期。在COCOPose中预留了用于数据可视化的接口visualize,只需要在数据集定义中加入flagdebug=True,迭代数据集的时候会将图像和热力图打印出来。

In [ ]

debug_data = COCOPose('data/data9663/coco', mode='train', shuffle=True, debug=True)img, heatmaps, heatmaps_weight = debug_data[0]# 返回的数据分别是包含人物的patch,对应的热力图和是否包含人体关键点的去权重
loading annotations into memory...Done (t=0.02s)creating index...index created!=> classes: ['__background__', 'person']=> num_images: 500generating coco gt_db...=> num db: 430=> num selected db: 416
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2349: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  if isinstance(obj, collections.Iterator):/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2366: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  return list(data) if isinstance(data, collections.MappingView) else data
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/numpy/lib/type_check.py:546: DeprecationWarning: np.asscalar(a) is deprecated since NumPy v1.16, use a.item() instead  'a.item() instead', DeprecationWarning, stacklevel=1)

4.定义模型

这个案例使用到的Simple Baselines模型如下图所示。

Paddle2.0案例: 人体姿态关键点检测 - 创想鸟

Simple Baselines模型与常用与人体关键点检测的hourglass,cpn等相比,该模型的网络结构看起来很直观简洁。网络结构就是在ResNet后加上几层Deconvolution直接生成热力图。相比于其他模型,就是使用Deconvolution替换了上采样结构。

造点AI 造点AI

夸克 · 造点AI

造点AI 325 查看详情 造点AI

在案例人体姿态估计与追踪之关键点检测中,网络中完整定义了ResNet。

在这个案例中,我们尝试利用Paddle2.0提供的预定义paddle.vision.models.resnet和预训练模型,来构建我们的Simple Baselines模型。

In [ ]

# Paddle2.0 提供的resnet50模型如下from paddle.vision.models.resnet import resnet50res_net = resnet50()for prefix, layer in res_net.named_children():    print(prefix, layer)
conv1 bn1 relu maxpool layer1 layer2 layer3 layer4 avgpool fc 

ResNet在ImageNet分类任务中,图像分成1000类,所以在模型后接一个全连接层,预测出1000中类别各自的概率。我们只需要ResNet最后平均池化层avgpool和全连接层fc去掉,就得到了Simple Baselines模型的backbone部分。

下面我们定义Simple Baselines模型为PoseNet。

In [7]

class PoseNet(paddle.nn.Layer):    def __init__(self, layers=101, kps_num=16, pretrained=False, test_mode=False):        super(PoseNet, self).__init__()        self.k = kps_num        self.layers = layers        self.pretrained = pretrained        self.test_mode = test_mode        supported_layers = [50, 101, 152]        assert layers in supported_layers,             "supported layers are {} but input layer is {}".format(supported_layers, layers)        if layers == 50:            from paddle.vision.models.resnet import resnet50 as resnet        elif layers == 101:            from paddle.vision.models.resnet import resnet101 as resnet        elif layers == 152:            from paddle.vision.models.resnet import resnet152 as resnet        backbone = resnet(pretrained)                # backbone模型是去掉最末为池化和全连接层的ResNet模型        self.backbone = paddle.nn.Sequential(*(list(backbone.children())[:-2]))        # 加入生成热力图部分网络,包含3层反卷积和1层1*1卷积网络        BN_MOMENTUM = 0.9        self.upLayers = paddle.nn.Sequential(            paddle.nn.Conv2DTranspose(                in_channels=2048,                out_channels=256,                kernel_size=4,                padding=1,                stride=2,                weight_attr=paddle.ParamAttr(                    initializer=paddle.nn.initializer.Normal(0., 0.001)),                bias_attr=False),            paddle.nn.BatchNorm2D(num_features=256, momentum=BN_MOMENTUM),            paddle.nn.ReLU(),            paddle.nn.Conv2DTranspose(                in_channels=256,                out_channels=256,                kernel_size=4,                padding=1,                stride=2,                weight_attr=paddle.ParamAttr(                    initializer=paddle.nn.initializer.Normal(0., 0.001)),                bias_attr=False),            paddle.nn.BatchNorm2D(num_features=256, momentum=BN_MOMENTUM),            paddle.nn.ReLU(),            paddle.nn.Conv2DTranspose(                in_channels=256,                out_channels=256,                kernel_size=4,                padding=1,                stride=2,                weight_attr=paddle.ParamAttr(                    initializer=paddle.nn.initializer.Normal(0., 0.001)),                bias_attr=False),            paddle.nn.BatchNorm2D(num_features=256, momentum=BN_MOMENTUM),            paddle.nn.ReLU(),            paddle.nn.Conv2D(                in_channels=256,                out_channels=self.k,                kernel_size=1,                stride=1,                padding=0,                # bias_attr=False,                weight_attr=paddle.ParamAttr(                    initializer=paddle.nn.initializer.Normal(0., 0.001)))        )    def forward(self, input,):        conv = self.backbone(input)        out = self.upLayers(conv)        return out

4.1 模型可视化

调用飞桨提供的summary接口对组建好的模型进行可视化,方便进行模型结构和参数信息的查看和确认。

输入图像为长宽为288、384的彩色图像,输出17个通道长宽为72、96的热力图。

In [ ]

from paddle.static import InputSpecpaddle.disable_static()kp_dim = 17model = paddle.Model(PoseNet(layers=50, kps_num=kp_dim, test_mode=False))# IMAGE_SIZE = [288, 384]# HEATMAP_SIZE = [72, 96]model.summary((1, 3, 288, 384))
------------------------------------------------------------------------------   Layer (type)        Input Shape          Output Shape         Param #    ==============================================================================     Conv2D-1       [[1, 3, 288, 384]]   [1, 64, 144, 192]        9,408       BatchNorm2D-1    [[1, 64, 144, 192]]   [1, 64, 144, 192]         256            ReLU-1       [[1, 64, 144, 192]]   [1, 64, 144, 192]          0          MaxPool2D-1     [[1, 64, 144, 192]]    [1, 64, 72, 96]           0            Conv2D-3       [[1, 64, 72, 96]]     [1, 64, 72, 96]         4,096       BatchNorm2D-3     [[1, 64, 72, 96]]     [1, 64, 72, 96]          256            ReLU-2        [[1, 256, 72, 96]]    [1, 256, 72, 96]          0            Conv2D-4       [[1, 64, 72, 96]]     [1, 64, 72, 96]        36,864       BatchNorm2D-4     [[1, 64, 72, 96]]     [1, 64, 72, 96]          256           Conv2D-5       [[1, 64, 72, 96]]     [1, 256, 72, 96]       16,384       BatchNorm2D-5     [[1, 256, 72, 96]]    [1, 256, 72, 96]        1,024          Conv2D-2       [[1, 64, 72, 96]]     [1, 256, 72, 96]       16,384       BatchNorm2D-2     [[1, 256, 72, 96]]    [1, 256, 72, 96]        1,024     BottleneckBlock-1   [[1, 64, 72, 96]]     [1, 256, 72, 96]          0            Conv2D-6       [[1, 256, 72, 96]]    [1, 64, 72, 96]        16,384       BatchNorm2D-6     [[1, 64, 72, 96]]     [1, 64, 72, 96]          256            ReLU-3        [[1, 256, 72, 96]]    [1, 256, 72, 96]          0            Conv2D-7       [[1, 64, 72, 96]]     [1, 64, 72, 96]        36,864       BatchNorm2D-7     [[1, 64, 72, 96]]     [1, 64, 72, 96]          256           Conv2D-8       [[1, 64, 72, 96]]     [1, 256, 72, 96]       16,384       BatchNorm2D-8     [[1, 256, 72, 96]]    [1, 256, 72, 96]        1,024     BottleneckBlock-2   [[1, 256, 72, 96]]    [1, 256, 72, 96]          0            Conv2D-9       [[1, 256, 72, 96]]    [1, 64, 72, 96]        16,384       BatchNorm2D-9     [[1, 64, 72, 96]]     [1, 64, 72, 96]          256            ReLU-4        [[1, 256, 72, 96]]    [1, 256, 72, 96]          0           Conv2D-10       [[1, 64, 72, 96]]     [1, 64, 72, 96]        36,864       BatchNorm2D-10    [[1, 64, 72, 96]]     [1, 64, 72, 96]          256          Conv2D-11       [[1, 64, 72, 96]]     [1, 256, 72, 96]       16,384       BatchNorm2D-11    [[1, 256, 72, 96]]    [1, 256, 72, 96]        1,024     BottleneckBlock-3   [[1, 256, 72, 96]]    [1, 256, 72, 96]          0           Conv2D-13       [[1, 256, 72, 96]]    [1, 128, 72, 96]       32,768       BatchNorm2D-13    [[1, 128, 72, 96]]    [1, 128, 72, 96]         512            ReLU-5        [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-14       [[1, 128, 72, 96]]    [1, 128, 36, 48]       147,456      BatchNorm2D-14    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512          Conv2D-15       [[1, 128, 36, 48]]    [1, 512, 36, 48]       65,536       BatchNorm2D-15    [[1, 512, 36, 48]]    [1, 512, 36, 48]        2,048         Conv2D-12       [[1, 256, 72, 96]]    [1, 512, 36, 48]       131,072      BatchNorm2D-12    [[1, 512, 36, 48]]    [1, 512, 36, 48]        2,048     BottleneckBlock-4   [[1, 256, 72, 96]]    [1, 512, 36, 48]          0           Conv2D-16       [[1, 512, 36, 48]]    [1, 128, 36, 48]       65,536       BatchNorm2D-16    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512            ReLU-6        [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-17       [[1, 128, 36, 48]]    [1, 128, 36, 48]       147,456      BatchNorm2D-17    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512          Conv2D-18       [[1, 128, 36, 48]]    [1, 512, 36, 48]       65,536       BatchNorm2D-18    [[1, 512, 36, 48]]    [1, 512, 36, 48]        2,048     BottleneckBlock-5   [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-19       [[1, 512, 36, 48]]    [1, 128, 36, 48]       65,536       BatchNorm2D-19    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512            ReLU-7        [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-20       [[1, 128, 36, 48]]    [1, 128, 36, 48]       147,456      BatchNorm2D-20    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512          Conv2D-21       [[1, 128, 36, 48]]    [1, 512, 36, 48]       65,536       BatchNorm2D-21    [[1, 512, 36, 48]]    [1, 512, 36, 48]        2,048     BottleneckBlock-6   [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-22       [[1, 512, 36, 48]]    [1, 128, 36, 48]       65,536       BatchNorm2D-22    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512            ReLU-8        [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-23       [[1, 128, 36, 48]]    [1, 128, 36, 48]       147,456      BatchNorm2D-23    [[1, 128, 36, 48]]    [1, 128, 36, 48]         512          Conv2D-24       [[1, 128, 36, 48]]    [1, 512, 36, 48]       65,536       BatchNorm2D-24    [[1, 512, 36, 48]]    [1, 512, 36, 48]        2,048     BottleneckBlock-7   [[1, 512, 36, 48]]    [1, 512, 36, 48]          0           Conv2D-26       [[1, 512, 36, 48]]    [1, 256, 36, 48]       131,072      BatchNorm2D-26    [[1, 256, 36, 48]]    [1, 256, 36, 48]        1,024           ReLU-9       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-27       [[1, 256, 36, 48]]    [1, 256, 18, 24]       589,824      BatchNorm2D-27    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-28       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-28   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096         Conv2D-25       [[1, 512, 36, 48]]   [1, 1024, 18, 24]       524,288      BatchNorm2D-25   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-8   [[1, 512, 36, 48]]   [1, 1024, 18, 24]          0           Conv2D-29      [[1, 1024, 18, 24]]    [1, 256, 18, 24]       262,144      BatchNorm2D-29    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-10       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-30       [[1, 256, 18, 24]]    [1, 256, 18, 24]       589,824      BatchNorm2D-30    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-31       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-31   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-9  [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-32      [[1, 1024, 18, 24]]    [1, 256, 18, 24]       262,144      BatchNorm2D-32    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-11       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-33       [[1, 256, 18, 24]]    [1, 256, 18, 24]       589,824      BatchNorm2D-33    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-34       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-34   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-10 [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-35      [[1, 1024, 18, 24]]    [1, 256, 18, 24]       262,144      BatchNorm2D-35    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-12       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-36       [[1, 256, 18, 24]]    [1, 256, 18, 24]       589,824      BatchNorm2D-36    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-37       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-37   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-11 [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-38      [[1, 1024, 18, 24]]    [1, 256, 18, 24]       262,144      BatchNorm2D-38    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-13       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-39       [[1, 256, 18, 24]]    [1, 256, 18, 24]       589,824      BatchNorm2D-39    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-40       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-40   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-12 [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-41      [[1, 1024, 18, 24]]    [1, 256, 18, 24]       262,144      BatchNorm2D-41    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-14       [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-42       [[1, 256, 18, 24]]    [1, 256, 18, 24]       589,824      BatchNorm2D-42    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024         Conv2D-43       [[1, 256, 18, 24]]   [1, 1024, 18, 24]       262,144      BatchNorm2D-43   [[1, 1024, 18, 24]]   [1, 1024, 18, 24]        4,096     BottleneckBlock-13 [[1, 1024, 18, 24]]   [1, 1024, 18, 24]          0           Conv2D-45      [[1, 1024, 18, 24]]    [1, 512, 18, 24]       524,288      BatchNorm2D-45    [[1, 512, 18, 24]]    [1, 512, 18, 24]        2,048          ReLU-15        [[1, 2048, 9, 12]]    [1, 2048, 9, 12]          0           Conv2D-46       [[1, 512, 18, 24]]    [1, 512, 9, 12]       2,359,296     BatchNorm2D-46    [[1, 512, 9, 12]]     [1, 512, 9, 12]         2,048         Conv2D-47       [[1, 512, 9, 12]]     [1, 2048, 9, 12]      1,048,576     BatchNorm2D-47    [[1, 2048, 9, 12]]    [1, 2048, 9, 12]        8,192         Conv2D-44      [[1, 1024, 18, 24]]    [1, 2048, 9, 12]      2,097,152     BatchNorm2D-44    [[1, 2048, 9, 12]]    [1, 2048, 9, 12]        8,192     BottleneckBlock-14 [[1, 1024, 18, 24]]    [1, 2048, 9, 12]          0           Conv2D-48       [[1, 2048, 9, 12]]    [1, 512, 9, 12]       1,048,576     BatchNorm2D-48    [[1, 512, 9, 12]]     [1, 512, 9, 12]         2,048          ReLU-16        [[1, 2048, 9, 12]]    [1, 2048, 9, 12]          0           Conv2D-49       [[1, 512, 9, 12]]     [1, 512, 9, 12]       2,359,296     BatchNorm2D-49    [[1, 512, 9, 12]]     [1, 512, 9, 12]         2,048         Conv2D-50       [[1, 512, 9, 12]]     [1, 2048, 9, 12]      1,048,576     BatchNorm2D-50    [[1, 2048, 9, 12]]    [1, 2048, 9, 12]        8,192     BottleneckBlock-15  [[1, 2048, 9, 12]]    [1, 2048, 9, 12]          0           Conv2D-51       [[1, 2048, 9, 12]]    [1, 512, 9, 12]       1,048,576     BatchNorm2D-51    [[1, 512, 9, 12]]     [1, 512, 9, 12]         2,048          ReLU-17        [[1, 2048, 9, 12]]    [1, 2048, 9, 12]          0           Conv2D-52       [[1, 512, 9, 12]]     [1, 512, 9, 12]       2,359,296     BatchNorm2D-52    [[1, 512, 9, 12]]     [1, 512, 9, 12]         2,048         Conv2D-53       [[1, 512, 9, 12]]     [1, 2048, 9, 12]      1,048,576     BatchNorm2D-53    [[1, 2048, 9, 12]]    [1, 2048, 9, 12]        8,192     BottleneckBlock-16  [[1, 2048, 9, 12]]    [1, 2048, 9, 12]          0       Conv2DTranspose-1   [[1, 2048, 9, 12]]    [1, 256, 18, 24]      8,388,608     BatchNorm2D-54    [[1, 256, 18, 24]]    [1, 256, 18, 24]        1,024          ReLU-18        [[1, 256, 18, 24]]    [1, 256, 18, 24]          0       Conv2DTranspose-2   [[1, 256, 18, 24]]    [1, 256, 36, 48]      1,048,576     BatchNorm2D-55    [[1, 256, 36, 48]]    [1, 256, 36, 48]        1,024          ReLU-19        [[1, 256, 36, 48]]    [1, 256, 36, 48]          0       Conv2DTranspose-3   [[1, 256, 36, 48]]    [1, 256, 72, 96]      1,048,576     BatchNorm2D-56    [[1, 256, 72, 96]]    [1, 256, 72, 96]        1,024          ReLU-20        [[1, 256, 72, 96]]    [1, 256, 72, 96]          0           Conv2D-54       [[1, 256, 72, 96]]    [1, 17, 72, 96]         4,369     ==============================================================================Total params: 34,054,353Trainable params: 33,945,041Non-trainable params: 109,312------------------------------------------------------------------------------Input size (MB): 1.27Forward/backward pass size (MB): 630.33Params size (MB): 129.91Estimated Total Size (MB): 761.51------------------------------------------------------------------------------
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/distributed/parallel.py:119: UserWarning: Currently not a parallel execution environment, `paddle.distributed.init_parallel_env` will not do anything.  "Currently not a parallel execution environment, `paddle.distributed.init_parallel_env` will not do anything."
{'total_params': 34054353, 'trainable_params': 33945041}

5. 训练模型

在这个任务是热力图进行回归,计算每个通道生成的热力图与生成的热力图之间的差异。我们自定义HMLoss来做计算,飞桨2.0中,在nn下将损失函数封装成可调用类。我们这里使用paddle.Model相关的API直接进行训练,只需要定义好数据集、网络模型和损失函数即可。

5.1 定义损失函数

In [ ]

class HMLoss(paddle.nn.Layer):    def __init__(self, kps_num):        super(HMLoss, self).__init__()        self.k = kps_num    def forward(self, heatmap, target, target_weight):        _, c, h, w = heatmap.shape        x = heatmap.reshape((-1, self.k, h*w))        y = target.reshape((-1, self.k, h*w))        w = target_weight.reshape((-1, self.k))        x = x.split(num_or_sections=self.k, axis=1)        y = y.split(num_or_sections=self.k, axis=1)        w = w.split(num_or_sections=self.k, axis=1)                # 计算预测热力图的目标热力图的均方误差        _list = []        for idx in range(self.k):            _tmp = paddle.scale(x=x[idx] - y[idx], scale=1.)            _tmp = _tmp * _tmp            _tmp = paddle.mean(_tmp, axis=2)            _list.append(_tmp * w[idx])        _loss = paddle.concat(_list, axis=0)        _loss = paddle.mean(_loss)        return 0.5 * _loss

5.1 启动模型训练

使用模型代码进行Model实例生成,使用prepare接口定义优化器、损失函数和评价指标等信息,用于后续训练使用。在所有初步配置完成后,调用fit接口开启训练执行过程,调用fit时只需要将前面定义好的训练数据集、测试数据集、训练轮次(Epoch)和批次大小(batch_size)配置好即可。

In [ ]

# 定义训练用的超参数parser = argparse.ArgumentParser(description=__doc__)parser.add_argument('--batch_size', type=int, default=128, help="Minibatch size totally.")parser.add_argument('--num_epochs', type=int, default=140, help="Number of epochs.")parser.add_argument('--model_save_dir', type=str, default="checkpoint", help="Model save directory")# pretrained:使用paddle2.0提供的ImageNet预训练的ResNet模型parser.add_argument('--pretrained', type=bool, default=True, help="Whether to use pretrained ResNet model.")parser.add_argument('--lr', type=float, default=0.001, help="Set learning rate.")parser.add_argument('--lr_strategy', type=str, default="piecewise_decay", help="Set the learning rate decay strategy.")args = parser.parse_args([])

In [ ]

from visualdl import LogReader, LogWriter# 配置visualdlwrite = LogWriter(logdir='logdir')#iters 初始化为0iters = 0class Callbk(paddle.callbacks.Callback):    def __init__(self, write, iters=0):        self.write = write        self.iters = iters    def on_train_batch_end(self, step, logs):        self.iters += 1        #记录loss        self.write.add_scalar(tag="loss",step=self.iters,value=logs['loss'][0])        #记录 accuracy        # self.write.add_scalar(tag="acc",step=self.iters,value=logs['acc'])        m = logs['SaveOutput'][0].sum(0).reshape([96,72,1])        self.write.add_image(tag="output Heatmaps",step=self.iters, img=(m-m.min())/(m.max()-m.min())*255)# 利用Mertic接口记录预测的Output heatmapclass SaveOutput(paddle.metric.Metric):    def __init__(self, name='SaveOutput', ):        super(SaveOutput, self).__init__()        self._name = name    def update(self, preds, target, target_weight):        self.preds = preds    def accumulate(self):        return self.preds    def name(self):        return self._name    def reset(self):        pass

In [ ]

kp_dim = 17# IMAGE_SIZE = [288, 384]# HEATMAP_SIZE = [72, 96]# 调用COCOPose定义数据集# 使用示例数据集# train_data = COCOPose('data/data9663/coco', mode='train', shuffle=True)# 使用完整COCO数据集train_data = COCOPose('data/data7122/coco', mode='train', shuffle=True)val_data = COCOPose('data/data7122/coco', mode='val')# 定义模型net = PoseNet(layers=50, kps_num=kp_dim, pretrained=args.pretrained, test_mode=False)model = paddle.Model(net)# 选择优化策略if args.lr_strategy=='piecewise_decay':    num_train_img = train_data.__len__()    batch_size = args.batch_size    step = int(num_train_img / batch_size + 1)    bd = [0.6, 0.85]    bd = [int(args.num_epochs * e * step) for e in bd]    lr_drop_ratio = 0.1    base_lr = args.lr    lr = [base_lr * (lr_drop_ratio**i) for i in range(len(bd) + 1)]    scheduler = paddle.optimizer.lr.PiecewiseDecay(boundaries=bd, values=lr, verbose=False)    optim = paddle.optimizer.Adam(learning_rate=scheduler,                                    parameters=model.parameters())else:    optim = paddle.optimizer.Momentum(learning_rate=args.lr,        momentum=0.9,        weight_decay=paddle.regularizer.L2Decay(0.0005))# 准备模型的优化策略和损失函数,用自定义的Metric来保存图像model.prepare(optimizer=optim, loss=HMLoss(kps_num=kp_dim), metrics=SaveOutput())# 使用示例数据集进行10个epoch训练# model.fit(train_data, batch_size=args.batch_size, epochs=100, callbacks=Callbk(write=write, iters=iters))# 使用完整COCO数据集训练model.fit(train_data, val_data, batch_size=args.batch_size, epochs=args.num_epochs, eval_freq=1,            log_freq=1, save_dir=args.model_save_dir, save_freq=5, shuffle=True, num_workers=0,            callbacks=Callbk(write=write, iters=iters))model.save('checkpoint/test', training=True)  # save for trainingmodel.save('inference_model', training=False)  # save for inference

启动VisualDL,我们可以看到LogWritter记录下了训练过程中损失函数的变化曲线。这是在完整COCO数据集上训练一个epoch的曲线变化。

Paddle2.0案例: 人体姿态关键点检测 - 创想鸟

可以在样本数据-图像标签页中看到存储的图像数据,这里保存了每个batch第一个样本输出热力图多通道之和,可以看到训练完一个epoch后,热力图收敛的趋势已经比较明显。

Paddle2.0案例: 人体姿态关键点检测 - 创想鸟

6. 模型预测

由于训练完整COCO数据集140个epoch需要花费较多的时间和算力,这里提供几个训练好的模型来进行对test文件夹中测试图片进行预测,体验不同训练程度的预测效果。

注:由于练完整COCO数据集没有包含类被标签,对于没有人物的图像做预测没有意义。

In [9]

# 这里定义一个用于读取test文件夹的数据读取接口class COCOPose_test(Dataset):    def __init__(self, data_dir,):        class config:            # 裁剪patch大小            IMAGE_SIZE = [288, 384]            # heatmap大小            ASPECT_RATIO = IMAGE_SIZE[0] * 1.0 / IMAGE_SIZE[1]            MEAN = [0.485, 0.456, 0.406]            STD = [0.229, 0.224, 0.225]        self.cfg = config        self.cfg.DATAROOT = data_dir                self.file_list = os.listdir(data_dir)    def __getitem__(self, idx):        filename = self.file_list[idx]        image_file = os.path.join(self.cfg.DATAROOT, filename)                file_id  = int(filename.split('.')[0])        input = cv2.imread(                image_file, cv2.IMREAD_COLOR | cv2.IMREAD_IGNORE_ORIENTATION)        input = cv2.resize(input, (int(self.cfg.IMAGE_SIZE[0]), int(self.cfg.IMAGE_SIZE[1])))        # Normalization        input = input.astype('float32').transpose((2, 0, 1)) / 255        input -= np.array(self.cfg.MEAN).reshape((3, 1, 1))        input /= np.array(self.cfg.STD).reshape((3, 1, 1))        return input, file_id            def __len__(self):        return len(self.file_list)        test_data = COCOPose_test(data_dir='test')

6.1 使用训练1个epoch模型预测

In [35]

net = PoseNet(layers=50, kps_num=17, pretrained=False, test_mode=False) net_pd = paddle.load('output/0.pdparams')net.set_state_dict(net_pd)model = paddle.Model(net)model.prepare()result = model.predict(test_data, batch_size=1)
Predict begin...step 6/6 [==============================] - 34ms/step        Predict samples: 6

查看预测结果的

In [36]

id = 2image, img_id = test_data[id]plt.imshow(cv2.cvtColor(image.transpose(1,2,0), cv2.COLOR_BGR2RGB))plt.figure(figsize=(15, 13))for i in range(17):    plt.subplot(5,4,i+1)    plt.imshow(result[0][id][0][i])
Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

6.2 使用用完整COCO数据集训练好的模型预测

基于旧版Paddle完成的复现paddle,提供了静态图下的完整COCO预训练模型pose-resnet50-coco-384×288.zip。

In [15]

!tar xf pose-resnet50-coco-384x288.tar.gz -C pretrained

旧版的Paddle静态图模型与新版的命名规则不一样,需要将文件名进行映射。

In [16]

net = PoseNet(layers=50, kps_num=17, pretrained=False, test_mode=False)net_sd = net.state_dict()# 读取旧版的模型load_layer_state_dict = paddle.load('pretrained/pose-resnet50-coco-384x288')pretrain_sd = sorted(list(load_layer_state_dict.keys()))

In [17]

model_sd = sorted(list(net_sd.keys()))j = 0for i in range(len(pretrain_sd)):    # print(i)    if 'bias' in model_sd[i]:        if j <= 55:            name_bias = 'batch_norm_'+str(j)+'.b_0'            print(model_sd[i], net_sd[model_sd[i]].shape , load_layer_state_dict[name_bias].shape,)            net_sd[model_sd[i]] =                 paddle.to_tensor(load_layer_state_dict[name_bias],                 place=net_sd[model_sd[i]].place,                stop_gradient=net_sd[model_sd[i]].stop_gradient)        else:            print('??.b_0', model_sd[i], net_sd[model_sd[i]].shape )            net_sd['upLayers.9.bias'] =                 paddle.to_tensor(load_layer_state_dict['conv2d_53.b_0'],                 place=net_sd[model_sd[i]].place,                stop_gradient=net_sd[model_sd[i]].stop_gradient)    if '_mean' in model_sd[i]:        if j <= 55:            name_mean = 'batch_norm_'+str(j)+'.w_1'            print(model_sd[i], net_sd[model_sd[i]].shape , load_layer_state_dict[name_mean].shape,)            net_sd[model_sd[i]] =             paddle.to_tensor(load_layer_state_dict[name_mean],             place=net_sd[model_sd[i]].place,            stop_gradient=net_sd[model_sd[i]].stop_gradient)            else:            print('??.w_1', model_sd[i], net_sd[model_sd[i]].shape )    if '_variance' in model_sd[i]:        if j <= 55:            name_variance = 'batch_norm_'+str(j)+'.w_2'            print(model_sd[i], net_sd[model_sd[i]].shape , load_layer_state_dict[name_variance].shape,)            net_sd[model_sd[i]] =             paddle.to_tensor(load_layer_state_dict[name_variance],             place=net_sd[model_sd[i]].place,            stop_gradient=net_sd[model_sd[i]].stop_gradient)            else:            print('??.w_2', model_sd[i], net_sd[model_sd[i]].shape )        # j += 1    if ('backbone.1' in model_sd[i] or 'downsample.1' in model_sd[i] or     'upLayers.1' in model_sd[i] or 'upLayers.4' in model_sd[i] or      'upLayers.7' in model_sd[i] or 'upLayers.9' in model_sd[i] or 'bn' in model_sd[i])     and 'weight' in model_sd[i]:        if j 1]for i in range(len(name_list)):    name = name_list[i]    if len(net_sd[name].shape)>1:        if j<53:            name_layer = 'conv2d_'+str(j)+'.w_0'            print(i, j, name, net_sd[name].shape)            print(i, j, name_layer, load_layer_state_dict[name_layer].shape)            net_sd[name] =                 paddle.to_tensor(load_layer_state_dict[name_layer],                 place=net_sd[name].place,                stop_gradient=net_sd[name].stop_gradient)            elif 53<=j<56:            name_layer = 'conv2d_transpose_'+str(j-53)+'.w_0'            print(i, j, name, net_sd[name].shape)            print(i, j, name_layer, load_layer_state_dict[name_layer].shape)            net_sd[name] =                 paddle.to_tensor(load_layer_state_dict[name_layer],                 place=net_sd[name].place,                stop_gradient=net_sd[name].stop_gradient)            elif j==56:            name_layer = 'conv2d_53.w_0'            print(i, j, name, net_sd[name].shape)            print(i, j, name_layer, load_layer_state_dict[name_layer].shape)             net_sd[name] =                 paddle.to_tensor(load_layer_state_dict[name_layer],                 place=net_sd[name].place,                stop_gradient=net_sd[name].stop_gradient)            j+=1

In [18]

# 加载模型net.set_state_dict(net_sd)

In [19]

# 进行预测model = paddle.Model(net)model.prepare()result = model.predict(test_data, batch_size=1)
Predict begin...step 6/6 [==============================] - 41ms/step        Predict samples: 6
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/distributed/parallel.py:119: UserWarning: Currently not a parallel execution environment, `paddle.distributed.init_parallel_env` will not do anything.  "Currently not a parallel execution environment, `paddle.distributed.init_parallel_env` will not do anything."

In [31]

# 改变id查看输出的结果id = 2image, img_id = test_data[id]plt.imshow(cv2.cvtColor(image.transpose(1,2,0), cv2.COLOR_BGR2RGB))plt.figure(figsize=(15, 13))for i in range(17):    plt.subplot(5,4,i+1)    plt.imshow(result[0][id][0][i])
Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers)./opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/numpy/lib/type_check.py:546: DeprecationWarning: np.asscalar(a) is deprecated since NumPy v1.16, use a.item() instead  'a.item() instead', DeprecationWarning, stacklevel=1)

代码解释

通过对比两个实验结果可以看到,使用ImageNet预训练、经过一个完整的COCO训练集一个epoch的模型已经开始收敛,热力图已经汇聚成点的形状。 而使用官方提供的训练好的模型,性能提升更为明显。

以上就是Paddle2.0案例: 人体姿态关键点检测的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/317148.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月5日 08:16:18
下一篇 2025年11月5日 08:19:49

相关推荐

  • Uniapp 中如何不拉伸不裁剪地展示图片?

    灵活展示图片:如何不拉伸不裁剪 在界面设计中,常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片,可以采用以下处理方式: 极端宽高比:撑满屏幕宽度或高度,再等比缩放居中。非极端宽高比:居中显示,若能撑满则撑满。 然而,如果需要不拉伸不…

    2025年12月24日
    400
  • 如何让小说网站控制台显示乱码,同时网页内容正常显示?

    如何在不影响用户界面的情况下实现控制台乱码? 当在小说网站上下载小说时,大家可能会遇到一个问题:网站上的文本在网页内正常显示,但是在控制台中却是乱码。如何实现此类操作,从而在不影响用户界面(UI)的情况下保持控制台乱码呢? 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体,并通过在客户端…

    2025年12月24日
    800
  • 如何在地图上轻松创建气泡信息框?

    地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能,它简便易用,能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库,如高德地图,都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现: 高德地图 JS API 参考文…

    2025年12月24日
    400
  • 如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画?

    如何实现元素scrollleft变化时的平滑动画效果? 在许多网页应用中,滚动容器的水平滚动条(scrollleft)需要频繁使用。为了让滚动动作更加自然,你希望给scrollleft的变化添加动画效果。 解决方案:scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…

    2025年12月24日
    000
  • 如何为滚动元素添加平滑过渡,使滚动条滑动时更自然流畅?

    给滚动元素平滑过渡 如何在滚动条属性(scrollleft)发生改变时为元素添加平滑的过渡效果? 解决方案:scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码: click the button to slide right!…

    2025年12月24日
    500
  • 如何选择元素个数不固定的指定类名子元素?

    灵活选择元素个数不固定的指定类名子元素 在网页布局中,有时需要选择特定类名的子元素,但这些元素的数量并不固定。例如,下面这段 html 代码中,activebar 和 item 元素的数量均不固定: *n *n 如果需要选择第一个 item元素,可以使用 css 选择器 :nth-child()。该…

    2025年12月24日
    200
  • 使用 SVG 如何实现自定义宽度、间距和半径的虚线边框?

    使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片,但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题,可以使用 svg(可缩放矢量图形)来创建纯代码实现。一种方…

    2025年12月24日
    100
  • 如何解决本地图片在使用 mask JS 库时出现的跨域错误?

    如何跨越localhost使用本地图片? 问题: 在本地使用mask js库时,引入本地图片会报跨域错误。 解决方案: 要解决此问题,需要使用本地服务器启动文件,以http或https协议访问图片,而不是使用file://协议。例如: python -m http.server 8000 然后,可以…

    2025年12月24日
    200
  • 如何让“元素跟随文本高度,而不是撑高父容器?

    如何让 元素跟随文本高度,而不是撑高父容器 在页面布局中,经常遇到父容器高度被子元素撑开的问题。在图例所示的案例中,父容器被较高的图片撑开,而文本的高度没有被考虑。本问答将提供纯css解决方案,让图片跟随文本高度,确保父容器的高度不会被图片影响。 解决方法 为了解决这个问题,需要将图片从文档流中脱离…

    2025年12月24日
    000
  • 为什么 CSS mask 属性未请求指定图片?

    解决 css mask 属性未请求图片的问题 在使用 css mask 属性时,指定了图片地址,但网络面板显示未请求获取该图片,这可能是由于浏览器兼容性问题造成的。 问题 如下代码所示: 立即学习“前端免费学习笔记(深入)”; icon [data-icon=”cloud”] { –icon-cl…

    2025年12月24日
    200
  • 如何利用 CSS 选中激活标签并影响相邻元素的样式?

    如何利用 css 选中激活标签并影响相邻元素? 为了实现激活标签影响相邻元素的样式需求,可以通过 :has 选择器来实现。以下是如何具体操作: 对于激活标签相邻后的元素,可以在 css 中使用以下代码进行设置: li:has(+li.active) { border-radius: 0 0 10px…

    2025年12月24日
    100
  • 如何模拟Windows 10 设置界面中的鼠标悬浮放大效果?

    win10设置界面的鼠标移动显示周边的样式(探照灯效果)的实现方式 在windows设置界面的鼠标悬浮效果中,光标周围会显示一个放大区域。在前端开发中,可以通过多种方式实现类似的效果。 使用css 使用css的transform和box-shadow属性。通过将transform: scale(1.…

    2025年12月24日
    200
  • 为什么我的 Safari 自定义样式表在百度页面上失效了?

    为什么在 Safari 中自定义样式表未能正常工作? 在 Safari 的偏好设置中设置自定义样式表后,您对其进行测试却发现效果不同。在您自己的网页中,样式有效,而在百度页面中却失效。 造成这种情况的原因是,第一个访问的项目使用了文件协议,可以访问本地目录中的图片文件。而第二个访问的百度使用了 ht…

    2025年12月24日
    000
  • 如何用前端实现 Windows 10 设置界面的鼠标移动探照灯效果?

    如何在前端实现 Windows 10 设置界面中的鼠标移动探照灯效果 想要在前端开发中实现 Windows 10 设置界面中类似的鼠标移动探照灯效果,可以通过以下途径: CSS 解决方案 DEMO 1: Windows 10 网格悬停效果:https://codepen.io/tr4553r7/pe…

    2025年12月24日
    000
  • 使用CSS mask属性指定图片URL时,为什么浏览器无法加载图片?

    css mask属性未能加载图片的解决方法 使用css mask属性指定图片url时,如示例中所示: mask: url(“https://api.iconify.design/mdi:apple-icloud.svg”) center / contain no-repeat; 但是,在网络面板中却…

    2025年12月24日
    000
  • 如何用CSS Paint API为网页元素添加时尚的斑马线边框?

    为元素添加时尚的斑马线边框 在网页设计中,有时我们需要添加时尚的边框来提升元素的视觉效果。其中,斑马线边框是一种既醒目又别致的设计元素。 实现斜向斑马线边框 要实现斜向斑马线间隔圆环,我们可以使用css paint api。该api提供了强大的功能,可以让我们在元素上绘制复杂的图形。 立即学习“前端…

    2025年12月24日
    000
  • 图片如何不撑高父容器?

    如何让图片不撑高父容器? 当父容器包含不同高度的子元素时,父容器的高度通常会被最高元素撑开。如果你希望父容器的高度由文本内容撑开,避免图片对其产生影响,可以通过以下 css 解决方法: 绝对定位元素: .child-image { position: absolute; top: 0; left: …

    2025年12月24日
    000
  • 使用 Mask 导入本地图片时,如何解决跨域问题?

    跨域疑难:如何解决 mask 引入本地图片产生的跨域问题? 在使用 mask 导入本地图片时,你可能会遇到令人沮丧的跨域错误。为什么会出现跨域问题呢?让我们深入了解一下: mask 框架假设你以 http(s) 协议加载你的 html 文件,而当使用 file:// 协议打开本地文件时,就会产生跨域…

    2025年12月24日
    200
  • CSS 帮助

    我正在尝试将文本附加到棕色框的左侧。我不能。我不知道代码有什么问题。请帮助我。 css .hero { position: relative; bottom: 80px; display: flex; justify-content: left; align-items: start; color:…

    2025年12月24日 好文分享
    200
  • 前端代码辅助工具:如何选择最可靠的AI工具?

    前端代码辅助工具:可靠性探讨 对于前端工程师来说,在HTML、CSS和JavaScript开发中借助AI工具是司空见惯的事情。然而,并非所有工具都能提供同等的可靠性。 个性化需求 关于哪个AI工具最可靠,这个问题没有一刀切的答案。每个人的使用习惯和项目需求各不相同。以下是一些影响选择的重要因素: 立…

    2025年12月24日
    000

发表回复

登录后才能评论
关注微信