hrnet筆記

High resolution 高分辨率網絡

中科大和微軟亞洲研究院，發佈了新的人體姿態估計模型，刷新了三項COCO紀錄，還中選了CVPR 2019。

這個名叫HRNet的神經網絡，擁有與衆不同的並聯結構，可以隨時保持高分辨率表徵，不只靠從低分辨率表徵裏，恢復高分辨率表徵。如此一來，姿勢識別的效果明顯提升：

在COCO數據集的關鍵點檢測、姿態估計、多人姿態估計這三項任務裏，HRNet都超越了所有前輩。

 

https://github.com/icicle4/SuperResulation-HRNet

 

人體姿態，有權重

https://github.com/stefanopini/simple-HRNet

這個網絡384*288，cpu1.8s

1070 gpu 130ms，特別慢

data=torch.ones(1, 3, 384*3, 288*3).to(device) 

分辨率*3，則需要270ms

if __name__ == '__main__':
    # model = HRNet(48, 17, 0.1)
    model = HRNet(32, 17, 0.1)

    # print(model)

    # model.load_state_dict(
    #     # torch.load('./weights/pose_hrnet_w48_384x288.pth')
    #     torch.load('./weights/pose_hrnet_w32_256x192.pth')
    # )
    # print('ok!!')

    if torch.cuda.is_available():
        torch.backends.cudnn.deterministic = True
        device = torch.device('cuda:0')
    else:
        device = torch.device('cpu')

    print(device)

    model = model.to(device)
    data=torch.ones(1, 3, 384, 288).to(device)
    import time
    for i in range(20):
        start=time.time()
        y = model(data)
        print(y.shape,'time',time.time()-start)

https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation

人臉關鍵點：224 100ms

https://blog.csdn.net/jacke121/article/details/100640305

分割：

https://github.com/HRNet/HRNet-Semantic-Segmentation

https://github.com/HRNet/HRNet-FCOS

能檢測攝像頭

https://github.com/HRNet/HRNet-FCOS/blob/master/demo/webcam.py