DEKR

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

Задачи: pose
Размеры: w32 at 640 px
Установка: pip install libreyolo
Уровень поддержки: Только инференс, начиная с v1.6.0. Только предсказание, валидация и экспорт. Функции обучения неприменимы.
Исходный проект: DEKR от HRNet authors, MIT. Статья, исходный код
Лицензии: Код: MIT, веса: No separate artifact grant recorded. Коммерческое использование

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

Задача	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Pose	Pose to ONNX: поддерживается	Pose to TorchScript: поддерживается	Pose to ExecuTorch: не поддерживается	Pose to TensorRT: поддерживается	Pose to OpenVINO: поддерживается	Pose to Paddle: не поддерживается	Pose to MNN: не поддерживается	Pose to RKNN: не поддерживается	Pose to ncnn: не поддерживается	Pose to TFLite: не поддерживается	Pose to CoreML: не поддерживается	Pose to Core AI: не поддерживается

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

Проверяйте лицензию в репозитории конкретных весов на Hugging Face. Она указана для каждого чекпойнта в организации LibreYOLO и может различаться даже внутри одного семейства. Этот репозиторий считается авторитетным источником, а сводка ниже описывает условия на момент последней проверки страницы.

Это описание соответствующих лицензий, а не юридическая консультация. Если ответ важен для коммерческого использования, прочитайте лицензии самостоятельно и проконсультируйтесь с юристом.

Оригинальная работа: DEKR, HRNet authors
Лицензия исходного проекта: MIT
Исходный код проекта: github.com/HRNet/DEKR
Код LibreYOLO: MIT
Веса: No separate artifact grant recorded, распространяются авторами. LibreYOLO не размещает и не зеркалирует их.
Толкование: 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}
}

Скопировано из блока цитирования авторов на странице raw.githubusercontent.com/HRNet/DEKR/main/README.md.