开源：深度学习模型和姿态估计代码开源代码推荐，人工智能教程（趣味AI编译，源码modelzoo）。姿态估计的任务旨在将人体像素从RGB图像或视频映射到人体的3D表面。姿态估计是一项多任务任务，涉及其他几个问题：对象检测、姿态估计、分割等。姿态估计的应用包括需要超越简单地标定位的问题，例如图形、增强现实（AR）或人机互动（人机交互）。姿态估计还涉及基于3D的对象识别的许多方面。在这篇文章中，我们分享了几个用于姿势估计的开源深度学习模型和代码。如果我们遗漏了您认为值得分享的实现，请将其留在下面的评论中。DensePose开源：深度学习模型与姿态估计代码开源代码推荐，人工智能教程GitHub|Dataset开源：深度学习模型和姿态估计代码开源代码推荐，人工智能教程（趣味人工智能编译，源码modelzoo）。这篇文章的灵感来自于本周早些时候发布了DensePose的代码、模型和数据集的FacebookResearch。Facebook分享了DensePose-COCO，这是一个用于人体姿态估计的大型地面实况数据集。该数据集由50KCOCO（上下文中的常见对象）图像上手动注释的图像到表面对应关系组成。对于深度学习研究人员来说，这是一个非常全面的资源。它为姿态估计、部位分割等任务提供了良好的数据来源。DensePose论文提出了DensePose-RCNN，它是Mask-RCNN的一种变体，用于以每秒多帧的速度密集回归每个人体区域内特定部位的UV坐标.它基于DenseReg。该模型的目标是确定每个像素的表面位置及其所属零件的相应二维参数。DensePose采用Mask-RCNN的架构以及特征金字塔网络(FPN)功能和ROI对齐池。此外，他们在ROI池中引入了一个全卷积网络。有关更深入的技术细节，请查看DensePose论文。OpenPoseGitHub|Dataset开源：深度学习模型和姿态估计代码开源代码推荐，人工智能教程（趣味人工智能编译，源码modelzoo）。OpenPose是CMU感知计算实验室用于身体、面部和手部评估的实时多人关键点检测库。OpenPose提供2D和3D多人关键点检测，以及用于估计特定领域参数的校准工具箱。OpenPose允许各种输入：图像、视频、摄像机、IP摄像机等。它还生成各种格式的输出：图像和关键点（PNG、JPG、AVI），以可读格式（JSON、XML、YML）保存关键点，甚至作为数组类。还可以调整输入和输出参数以满足各种需要。OpenPose提供了一个适用于CPU和GPU的C++API——包括与AMD显卡兼容的版本。实时多人姿态估计GitHub开源：深度学习模型与姿态估计代码开源代码推荐，人工智能教程（趣味人工智能编译，源码modelzoo）。实现与OpenPose高度相关，各种框架中都提供了依赖于实现的模型。本文的作者提出了一种自下而上的实时多人姿态估计方法，无需使用任何人体检测器。该方法使用我们称之为部分亲和力场(PAF)的非参数表示来学习将身体部位与图像中的个体相关联。有关实施和理论的更多技术细节，请参阅论文。这种方法的最佳特性之一是它已在许多不同的框架中实现，并且代码和模型可随时用于您选择的框架：OpenPoseC++库TensorFlow实现Keras实现一和二PyTorch实现一、二、AlphaPoseGitHub开源的三个MXNet实现：深度学习模型和姿态估计代码开源代码推荐，人工智能教程（趣味人工智能编译，源码modelzoo）。AlphaPose是一个精确的多人姿势估计器，并声称是第一个开源系统。AlphaPose对图像、视频或图像列表执行姿势估计和姿势跟踪。它产生多种输出，包括PNG、JPEG和AVI格式的关键点显示图像，以及JSON格式的关键点输出，使其成为更多以应用程序为中心的应用程序的优秀工具。目前，有一个TensorFlow实现和一个PyTorch实现。AlphaPose使用区域多人姿势估计(RMPE)框架在存在不准确的人体边界框的情况下促进姿势估计。共有三个组件：对称空间变换网络(SSTN)、参数姿态非完美抑制(NMS)和姿态引导提议生成器(PGPG)。有关更多技术细节，请参阅该论文。人体姿势估计网站|GitHub|数据集|ArtTrack论文|Deeper论文开源：深度学习模型与姿态估计代码开源代码推荐，人工智能教程（人工智能趣味编译，源码Modelzoo）。该代码库提供了ArtTrack和DeeperCut论文中介绍的人体姿势估计算法的TensorFlow实现。经过训练的模型利用MPII人体姿势数据库，这是一个丰富的图像集合，用于评估明确的人体姿势估计。该项目考虑了现实世界图像中多人的关联人体姿态估计任务。他们的方法解决了检测和姿势估计的任务，这与以前检测人物并随后估计他们的身体姿势的方法不同。在其实现中使用了基于CNN的部分检测器和整数线性程序。有关更多技术细节，请参阅ArtTrack和DeeperCut论文。DeepPose开源：深度学习模型与姿态估计代码开源代码推荐，人工智能教程（趣味人工智能编译，源码modelzoo）。DeepPose是2014年发表的一篇相对较旧的论文，它提出了一种基于深度神经网络(DNN)的人体姿势估计方法，公式化为基于DNN的身体关节回归问题。它以整体方式推理姿势，并具有简单而强大的公式。DeepPose似乎没有在线可用的官方实现。然而，已经努力复制它的结果：Chainer对TensorFlow的实现DeepPose的实现很有趣，因为它是第一个用于人体姿势估计的深度学习应用程序，并且在开始时就取得了最先进的结果，为未来的发展奠定了基础提供了许多其他较新的实现基准。姿态估计是计算机视觉社区中一个日益流行的问题。随着更新的姿势估计数据集（例如来自FacebookResearch的DensePose-COCO）的发布，该领域现在有了更多的工作来源。在我看来，姿势估计有很多方向，这些资源的发布肯定会激发对该领域的新兴趣。希望很快我们会看到许多新的创新想法和实施。
