DEKR

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

Задачі: pose
Розміри: w32 at 640 px
Встановлення: pip install libreyolo
Рівень підтримки: Лише інференс, починаючи з v1.6.0. Лише передбачення, валідація та експорт. Функції навчання не застосовуються.
Першоджерело: DEKR, автори: HRNet authors, ліцензія MIT. Стаття, джерело
Ліцензії: Код: MIT, ваги: No separate artifact grant recorded. Комерційне використання

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

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

Перевіряйте ліцензію в репозиторії Hugging Face конкретних ваг, які завантажуєте. Кожна контрольна точка в організації LibreYOLO має ліцензію, і вона не завжди однакова для всього сімейства. Цей репозиторій є авторитетним джерелом, а наведене нижче резюме описує умови на момент останньої перевірки сторінки.

Це опис відповідних ліцензій, а не юридична консультація. Якщо відповідь має комерційне значення, самостійно прочитайте ліцензії та зверніться по юридичну консультацію.

Оригінальна робота: DEKR, HRNet authors
Ліцензія першоджерела: MIT
Джерело першоджерела: github.com/HRNet/DEKR
Код LibreYOLO: MIT
Ваги: No separate artifact grant recorded, поширюється авторами. LibreYOLO не розміщує й не дублює ці ваги.
Тлумачення: 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}
}

Скопійовано з блоку цитування авторів на сторінці raw.githubusercontent.com/HRNet/DEKR/main/README.md.