本项目基于PaddlePaddle复现《Stacked Hourglass Networks for Human Pose Estimation》论文，该论文提出了一种人体姿态估计的方法，在MPII数据集上达到如下精度：
size:384x384, [email protected]: 0.366 size:256x256, [email protected]: 0.317
MPII:https://aistudio.baidu.com/aistudio/datasetdetail/107551
数据集解压。
cd /home/aistudio/data
tar xvf mpii.tar.gz
PaddlePaddle == 2.1.2
python == 3.7
训练图像尺寸为256的模型。
nohup python -u train.py --image_size 256 \
--dataset_root /home/aistudio/data/mpii/ > hourglass_256x256.log &
tail -f hourglass_256x256.log
训练图像尺寸为384的模型。
nohup python -u train.py --image_size 384 \
--dataset_root /home/aistudio/data/mpii/ > hourglass_384x384.log &
tail -f hourglass_384x384.log
--image_size 指定训练出入的图片分辨率，根据验收指标这里可以输入256或384。
--dataset_root 为数据集根目录，可以根据实际情况修改。
以上在后台训练模型，并输出日志到hourglass_xxx.log文件，通过tail命令实时查看训练日志。
1.预训练模型下载地址:
链接: https://pan.baidu.com/s/13urfrTeJueuXhn4MHcrQcw
提取码: w82w
2.下载模型后使用，下列命令验证模型。
验证图片为尺寸为256x256的模型：
python val.py --image_size 256 --pretrained_model ./output/256_best_model/model.pdparams --dataset_root /home/aistudio/data/mpii/
验证结果：
[EVAL] Ankle=79.87761299600484 Elbow=89.09163062349077 Head=96.65757162346522 Hip=88.41959160211289 Knee=83.8608487080676 Mean=88.71714806141036 [email protected]=32.10772823107419 Shoulder=95.36345108695652 Wrist=83.77702302257738
验证图片为尺寸为384x384的模型：
python val.py --image_size 384 --pretrained_model ./output/384_best_model/model.pdparams --dataset_root /home/aistudio/data/mpii/
验证结果：
[EVAL] Ankle=80.86913738917394 Elbow=89.89274782636988 Head=96.8281036834925 Hip=87.81370184355791 Knee=84.62623196807967 Mean=89.13869372885766 [email protected]=37.58782180867529 Shoulder=95.44836956521739 Wrist=84.889784060021
--image_size 指定训练出入的图片分辨率，根据验收指标这里可以输入256或384。
--pretrained_model 指定训练好的模型地址，可以根据实际情况修改。
--dataset_root 为数据集根目录，可以根据实际情况修改。
以下表格是本次论文复现的结果。
| Arch | Input Size | [email protected] | pytorch [email protected] |
|---|---|---|---|
| pose_hourglass_52 | 256x256 | 0.321 | 0.317 |
| pose_hourglass_52 | 384x384 | 0.376 | 0.366 |
本次论文复现是我第一次接触人体姿态估计这个领域，通过复现过程学习了很多知识，感谢百度飞桨提供这次比赛，让我学习到了很多。