DEKR

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

Task: pose
Ukuran: w32 at 640 px
Instalasi: pip install libreyolo
Tier dukungan: Hanya inferensi, sejak v1.6.0. Hanya prediksi, validasi, dan ekspor. Fitur pelatihan tidak berlaku.
Proyek upstream: DEKR oleh HRNet authors, MIT. Makalah, sumber
Lisensi: Kode MIT, bobot No separate artifact grant recorded. Penggunaan komersial

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

Task	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Pose	Pose to ONNX: didukung	Pose to TorchScript: didukung	Pose to ExecuTorch: tidak didukung	Pose to TensorRT: didukung	Pose to OpenVINO: didukung	Pose to Paddle: tidak didukung	Pose to MNN: tidak didukung	Pose to RKNN: tidak didukung	Pose to ncnn: tidak didukung	Pose to TFLite: tidak didukung	Pose to CoreML: tidak didukung	Pose to Core AI: tidak didukung

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

Periksa lisensi di repositori Hugging Face untuk bobot tertentu yang diunduh. Setiap checkpoint di organisasi LibreYOLO memiliki lisensi, dan lisensinya tidak selalu sama dalam satu family. Repositori tersebut adalah sumber resmi. Ringkasan di bawah menjelaskan ketentuan yang berlaku saat halaman ini terakhir diverifikasi.

Ini adalah deskripsi lisensi yang terlibat, bukan nasihat hukum. Jika jawabannya penting secara komersial, baca sendiri lisensinya dan mintalah nasihat dari penasihat hukum Anda.

Karya asli: DEKR, HRNet authors
Lisensi upstream: MIT
Sumber upstream: github.com/HRNet/DEKR
Kode LibreYOLO: MIT
Bobot: No separate artifact grant recorded, didistribusikan oleh penulisnya. LibreYOLO tidak menghosting atau mencerminkannya.
Interpretasi: 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}
}

Disalin dari blok sitasi penulis di raw.githubusercontent.com/HRNet/DEKR/main/README.md.