“photo wake-up”创新项目实训第二周总结
2019年3月23日
/马晓颖
这周从已有的二维图像姿态预测的算法出发,参考论文Convolutional pose machines的算法进行二维姿态预测,得出人体14个关节点的位置。
(S.-E. Wei, V. Ramakrishna, T. Kanade, and Y. Sheikh. Convolutional pose machines. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 4724–4732, 2016)
1.算法研究部分
cpm是CMU开源项目OpenPose的前身,目前在MPII竞赛single person中排名第七。
Pose estimation任务属于FCN的一种,输入是一张人体姿势图,输出n张热力图,代表n个关节的响应。
Pose estimation任务属于FCN的一种,输入是一张人体姿势图,输出n张热力图,代表n个关节的响应。
CPM网络结构如下图所示,X代表了经典的VGG结构,在每个stage末用1✖️1卷积输出heatmap,与label计算loss(中间监督)。
.Stage 1 input是原图,经过全卷机网络,输出是一个P+1层的2Dmap
Stage 2 input是 StageOutput做处理,并且加上 原图通过几层网络后的中层map。输出同上。
Stage t>2 类似2
(这里相加的话会有一些尺度问题,应该是ψ中操作了,但论文中没有解释ψ。)## 2.用
2.运行准备
环境:windows10+TensorFlow1.4.0+opencv+python3.5
(下载TensorFlow库费了不少劲)
下载官方models放进models/weigh文件夹下
修改几个DEMO_TYPE,输入图片
修改在cpu上运行
运行_cpm_body.py
结果还不错
下一步是提取出人物关节点的位置。
下周再接再厉。