DEKR

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

Task: pose
Dimensioni: w32 at 640 px
Installa: pip install libreyolo
Livello di supporto: Solo inferenza, dalla v1.6.0. Solo predizione, validazione ed esportazione. Le funzionalità di addestramento non si applicano.
Origine: DEKR di HRNet authors, MIT. Articolo, sorgente
Licenze: Codice MIT, pesi No separate artifact grant recorded. Uso commerciale

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: supportato	Pose to TorchScript: supportato	Pose to ExecuTorch: non supportato	Pose to TensorRT: supportato	Pose to OpenVINO: supportato	Pose to Paddle: non supportato	Pose to MNN: non supportato	Pose to RKNN: non supportato	Pose to ncnn: non supportato	Pose to TFLite: non supportato	Pose to CoreML: non supportato	Pose to Core AI: non supportato

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

Controlla la licenza nel repository Hugging Face degli specifici pesi che scarichi. Ogni checkpoint nell<link>organizzazione LibreYOLO</link> ne include una e non è sempre la stessa per tutta la famiglia. Quel repository è la fonte autorevole; il riepilogo seguente descrive le condizioni applicabili al momento dellultima verifica di questa pagina.

Questa è una descrizione delle licenze coinvolte, non una consulenza legale. Se la risposta è importante a fini commerciali, leggi personalmente le licenze e chiedi una consulenza indipendente.

Lavoro originale: DEKR, HRNet authors
Licenza upstream: MIT
Sorgente upstream: github.com/HRNet/DEKR
Codice LibreYOLO: MIT
Pesi: No separate artifact grant recorded, distribuiti dai rispettivi autori. LibreYOLO non li ospita né ne mantiene una copia.
Interpretazione: 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}
}

Copiato dal blocco di citazione degli autori disponibile su raw.githubusercontent.com/HRNet/DEKR/main/README.md.