- PaddleDetection KeyPoint部分紧跟业内最新最优算法方案,包含Top-Down、BottomUp两套方案,以满足用户的不同需求。
模型 | 输入尺寸 | 通道数 | AP(coco val) | 模型下载 | 配置文件 |
---|---|---|---|---|---|
HigherHRNet | 512 | 32 | 67.1 | higherhrnet_hrnet_w32_512.pdparams | config |
HigherHRNet | 640 | 32 | 68.3 | higherhrnet_hrnet_w32_640.pdparams | config |
HigherHRNet+SWAHR | 512 | 32 | 68.9 | higherhrnet_hrnet_w32_512_swahr.pdparams | config |
HRNet | 256x192 | 32 | 76.9 | hrnet_w32_256x192.pdparams | config |
HRNet | 384x288 | 32 | 77.8 | hrnet_w32_384x288.pdparams | config |
请参考PaddleDetection 安装文档正确安装PaddlePaddle和PaddleDetection即可
目前KeyPoint模型基于coco数据集开发,其他数据集尚未验证
请参考PaddleDetection数据准备部分部署准备COCO数据集即可
单卡训练:
CUDA_VISIBLE_DEVICES=0 python3 tools/train.py -c configs/keypoint/higherhrnet/higherhrnet_hrnet_w32_512.yml
多卡训练:
CUDA_VISIBLE_DEVICES=0,1,2,3 python3 -m paddle.distributed.launch tools/train.py -c configs/keypoint/higherhrnet/higherhrnet_hrnet_w32_512.yml
模型评估:
CUDA_VISIBLE_DEVICES=0 python3 tools/eval.py -c configs/keypoint/higherhrnet/higherhrnet_hrnet_w32_512.yml
模型预测:
注意:top-down模型只支持单人截图预测,如需使用多人图,请使用[联合部署推理]方式。或者使用bottom-up模型。
CUDA_VISIBLE_DEVICES=0 python3 tools/infer.py -c configs/keypoint/higherhrnet/higherhrnet_hrnet_w32_512.yml -o weights=./output/higherhrnet_hrnet_w32_512/model_final.pdparams --infer_dir=../images/ --draw_threshold=0.5 --save_txt=True
部署预测:
#导出模型
python tools/export_model.py -c configs/keypoint/higherhrnet/higherhrnet_hrnet_w32_512.yml -o weights=output/higherhrnet_hrnet_w32_512/model_final.pdparams
#部署推理
#keypoint top-down/bottom-up 单独推理,该模式下top-down模型只支持单人截图预测。
python deploy/python/keypoint_infer.py --model_dir=output_inference/higherhrnet_hrnet_w32_512/ --image_file=./demo/000000014439_640x640.jpg --use_gpu=True --threshold=0.5
python deploy/python/keypoint_infer.py --model_dir=output_inference/hrnet_w32_384x288/ --image_file=./demo/hrnet_demo.jpg --use_gpu=True --threshold=0.5
#keypoint top-down模型 + detector 检测联合部署推理(联合推理只支持top-down方式)
python deploy/python/keypoint_det_unite_infer.py --det_model_dir=output_inference/ppyolo_r50vd_dcn_2x_coco/ --keypoint_model_dir=output_inference/hrnet_w32_384x288/ --video_file=../video/xxx.mp4 --use_gpu=True