使用Pytorch进行姿态估计

【导读】ShelfNet是一种高效的CNN模型，除了用于语义分割任务，它也可以用于姿态估计任务，并能与当前最佳的HRNet在MSCOCO数据集有相近的表现与3.5倍速度提升。

Github链接：

https://github.com/fmahoudeau/ShelfNet-Human-Pose-Estimation

ShelfNet框架

如上所述，ShelfNet使用ResNet主干，结合编码器/解码器分支。第一个编码器将信道复杂度降低了4倍，以加快推理速度。S块是具有权重的残差块，可显着减少参数数量。该网络使用跨步卷积进行下采样，并使用转置卷积进行上采样。该结构可以看作是FCN的集合，其中信息流经许多不同的路径，从而提高了准确性。

在MSCOCO数据集上的表现

下表列出了MS COCO KeyPoints数据集上ShelfNet50的测试结果，并与最新的HRNet进行了比较。所有实验都使用同一个人检测器，该检测器在COCO val2017数据集上的AP为56.4，输入图像的大小为256x192时，批处理大小为128；输入图像的大小为384x288时，批处理大小为72。

使用代码

# Train ShelfNet on COCOpython train.py --cfg coco/shelfnet/shelfnet50_384x288_adam_lr1e-3.yaml

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源