DEKR

DEKR estimates multi-person poses from image-wide keypoint heatmaps and offsets.

Aufgaben: pose
Größen: w32 at 640 px
Installation: pip install libreyolo
Supportstufe: Nur Inferenz, seit v1.6.0. Nur Vorhersage, Validierung und Export. Trainingsfunktionen sind nicht verfügbar.
Upstream: DEKR von HRNet authors, MIT. Publikation, Quelle
Lizenzen: Code MIT, Gewichte No separate artifact grant recorded. Kommerzielle Nutzung

Install

bash

pip install "libreyolo"

Predict

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Downloads the W32 checkpoint from the upstream CDN and checks its SHA-256model = LibreYOLO("LibreDEKRw32-pose.pt", device="cpu")result = model(SAMPLE_IMAGE)print(result.keypoints)

The adapter uses the W32 no-deformable-convolution graph and 17 COCO person keypoints. Boxes enclose confident decoded joints. This is an inference-only family; the original deformable graph is a different checkpoint architecture.

Validate

Python

from libreyolo import LibreYOLO # Downloads the W32 checkpoint from the upstream CDN and checks its SHA-256model = LibreYOLO("LibreDEKRw32-pose.pt", device="cpu")# coco8-pose.yaml builds a 4-image COCO keypoint split on first usemetrics = model.val(data="coco8-pose.yaml", allow_download_scripts=True, workers=0)print(metrics)

Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.

Export

Aufgabe	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Pose	Pose to ONNX: unterstützt	Pose to TorchScript: unterstützt	Pose to ExecuTorch: nicht unterstützt	Pose to TensorRT: unterstützt	Pose to OpenVINO: unterstützt	Pose to Paddle: nicht unterstützt	Pose to MNN: nicht unterstützt	Pose to RKNN: nicht unterstützt	Pose to ncnn: nicht unterstützt	Pose to TFLite: nicht unterstützt	Pose to CoreML: nicht unterstützt	Pose to Core AI: nicht unterstützt

Python

from libreyolo import LibreYOLO # Downloads the W32 checkpoint from the upstream CDN and checks its SHA-256model = LibreYOLO("LibreDEKRw32-pose.pt", device="cpu")model.export(format="onnx")

Export setup lists format dependencies and loading exported artifacts.

Licensing

Prüfe die Lizenz im Hugging-Face-Repository der konkreten Gewichte, die du herunterlädst. Jeder Checkpoint in der LibreYOLO-Organisation hat eine Lizenz, und sie ist innerhalb einer Familie nicht immer gleich. Dieses Repository ist die maßgebliche Quelle. Die Zusammenfassung unten beschreibt den Stand bei der letzten Verifizierung dieser Seite.

Dies ist eine Beschreibung der beteiligten Lizenzen und keine Rechtsberatung. Wenn die Antwort kommerziell relevant ist, lies die Lizenzen selbst und hole eigenen Rechtsrat ein.

Originalarbeit: DEKR, HRNet authors
Upstream-Lizenz: MIT
Upstream-Quelle: github.com/HRNet/DEKR
LibreYOLO-Code: MIT
Gewichte: No separate artifact grant recorded, von den Autoren verbreitet. LibreYOLO hostet oder spiegelt sie nicht.
Einordnung: The upstream implementation is MIT. The adapter retrieves the released checkpoint from its source CDN.

Citation

@inproceedings{GengSXZW21,
  title={Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression},
  author={Zigang Geng, Ke Sun, Bin Xiao, Zhaoxiang Zhang, Jingdong Wang},
  booktitle={CVPR},
  year={2021}
}

Aus dem Zitierblock der Autoren unter raw.githubusercontent.com/HRNet/DEKR/main/README.md kopiert.