DEKR

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

Tareas: pose
Tamaños: w32 at 640 px
Instalación: pip install libreyolo
Nivel de compatibilidad: Solo inferencia, desde v1.6.0. Solo permite predecir, validar y exportar. Las funciones de entrenamiento no se aplican.
Proyecto original: DEKR de HRNet authors, MIT. Artículo, fuente
Licencias: Código MIT, pesos No separate artifact grant recorded. Uso comercial

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

Tarea	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Pose	Pose to ONNX: compatible	Pose to TorchScript: compatible	Pose to ExecuTorch: no compatible	Pose to TensorRT: compatible	Pose to OpenVINO: compatible	Pose to Paddle: no compatible	Pose to MNN: no compatible	Pose to RKNN: no compatible	Pose to ncnn: no compatible	Pose to TFLite: no compatible	Pose to CoreML: no compatible	Pose to Core AI: no compatible

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

Comprueba la licencia en el repositorio de Hugging Face de los pesos concretos que descargues. Cada checkpoint de la organización de LibreYOLO incluye una, y no siempre es la misma en toda una familia. Ese repositorio es la fuente autorizada; el resumen siguiente describe qué se aplicaba cuando se verificó esta página por última vez.

Esta es una descripción de las licencias implicadas, no asesoramiento legal. Si la respuesta es importante a nivel comercial, lee las licencias y busca tu propio asesoramiento.

Trabajo original: DEKR, HRNet authors
Licencia del proyecto original: MIT
Fuente del proyecto original: github.com/HRNet/DEKR
Código de LibreYOLO: MIT
Pesos: No separate artifact grant recorded, distribuidos por sus autores. LibreYOLO no los aloja ni los replica.
Interpretación: 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}
}

Copiado del bloque de cita de los autores en raw.githubusercontent.com/HRNet/DEKR/main/README.md.