DEKR

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

Tâches: pose
Tailles: w32 at 640 px
Installer: pip install libreyolo
Niveau de support: Inférence uniquement, depuis v1.6.0. Prédiction, validation et export uniquement. Les fonctionnalités d'entraînement ne s'appliquent pas.
Origine: DEKR par HRNet authors, MIT. Article, source
Licences: Code MIT, poids No separate artifact grant recorded. Usage commercial

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

Tâche	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Pose	Pose to ONNX : pris en charge	Pose to TorchScript : pris en charge	Pose to ExecuTorch : non pris en charge	Pose to TensorRT : pris en charge	Pose to OpenVINO : pris en charge	Pose to Paddle : non pris en charge	Pose to MNN : non pris en charge	Pose to RKNN : non pris en charge	Pose to ncnn : non pris en charge	Pose to TFLite : non pris en charge	Pose to CoreML : non pris en charge	Pose to Core AI : non pris en charge

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

Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.

Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.

Travail d'origine: DEKR, HRNet authors
Licence du projet d'origine: MIT
Source du projet d'origine: github.com/HRNet/DEKR
Code de LibreYOLO: MIT
Poids: No separate artifact grant recorded, distribués par leurs auteurs. LibreYOLO ne les héberge pas et n'en fournit pas de miroir.
Interprétation: 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}
}

Copié depuis le bloc de citation des auteurs sur raw.githubusercontent.com/HRNet/DEKR/main/README.md.