利用MMPose进行姿态估计(训练、测试全流程)

前言

  • MMPose是一款基于PyTorch的姿态分析开源工具箱,是OpenMMLab项目成员之一,主要特性:
    • 支持多种人体姿态分析相关任务:2D多人姿态估计、2D手部姿态估计、动物关键点检测等等
    • 更高的精度和更快的速度:包括“自顶向下”和“自底向上”两大类算法
    • 支持多样的数据集:支持了很多主流数据集的准备和构建,如 COCO、 MPII等
    • 模块化设计:将统一的人体姿态分析框架解耦成不同的模块组件,通过组合不同的模块组件,可以便捷地构建自定义人体姿态分析模型
  • 本文主要对动物关键点检测模型进行微调与测试,从数据集构造开始,详细解释各模块作用。对一些新手可能会犯的错误做一些说明
  • 本文使用的数据集为kaggle平台中Cat Dataset数据集,数据说明,环境为kaggle平台提供的P100 GPU,完整的Jupyter Notebook,放在这里,欢迎大家Copy & Edit

环境配置

  • mmcv的安装方式在我前面的mmdetectionmmsegmentation教程中都有写到。这里不再提
  • MMPose安装方法最好是使用git,如果没有git工具,可以使用mim install mmpose
  • 最后在项目文件夹下新建checkpointoutputsdata文件夹,分别用来存放模型预训练权重、模型输出结果、训练数据
from IPython import display
!pip install openmim
!pip install -q /kaggle/input/frozen-packages-mmdetection/mmcv-2.0.1-cp310-cp310-linux_x86_64.whl!git clone https://github.com/open-mmlab/mmdetection.git
%cd mmdetection
!pip install -e .%cd ..
!git clone https://github.com/open-mmlab/mmpose.git
%cd mmpose
!pip install -e .!mkdir checkpoint
!mkdir outputs
!mkdir data
display.clear_output()
  • 在上面的安装工作完成后,我们检查一下环境,以及核对一下安装版本
from IPython import display
import mmcv
from mmcv.ops import get_compiling_cuda_version, get_compiler_version
print('MMCV版本', mmcv.__version__)
%cd /kaggle/working/mmdetection
import mmdet
print('mmdetection版本', mmdet.__version__)
%cd /kaggle/working/mmpose
import mmpose
print('mmpose版本', mmpose.__version__)
print('CUDA版本', get_compiling_cuda_version())
print('编译器版本', get_compiler_version())

输出

MMCV版本 2.0.1
/kaggle/working/mmdetection
mmdetection版本 3.1.0
/kaggle/working/mmpose
mmpose版本 1.1.0
CUDA版本 11.8
编译器版本 GCC 11.3
  • 为方便后续进行文件操作,导入一些常用库
import os
import io
import json
import shutil
import random
import numpy as np
from pathlib import Pathfrom PIL import Image
from tqdm import tqdm
from mmengine import Configfrom pycocotools.coco import COCO

预训练模型推理

  • 在进行姿态估计前需要目标检测将不同的目标检测出来,然后再分别对不同的目标进行姿态估计。所以我们要选择一个目标检测模型。
  • 这里选择的是mmdetection工具箱中的RTMDet模型,型号选择RTMDet-l。配置文件位于mmdetection/configs/rtmdet/rtmdet_l_8xb32-300e_coco.py,我们复制模型权重地址并进行下载。
    在这里插入图片描述
  • 姿态估计模型选择RTMPose模型,打开mmpose项目文件夹projects/rtmpose/README.md文档,发现RTMPose模型动物姿态估计(Animal 2d (17 Keypoints))仅提供了一个预训练模型。配置文件位于projects/rtmpose/rtmpose/animal_2d_keypoint/rtmpose-m_8xb64-210e_ap10k-256x256.py,我们复制模型权重地址并进行下载。
    在这里插入图片描述
  • 将预训练权重模型全部放入mmpose项目文件夹的checkpoint文件夹下。
# 下载RTMDet-L模型,用于目标检测
!wget https://download.openmmlab.com/mmdetection/v3.0/rtmdet/rtmdet_l_8xb32-300e_coco/rtmdet_l_8xb32-300e_coco_20220719_112030-5a0be7c4.pth -P checkpoint
# 下载RTMPose模型,用于姿态估计
!wget https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmpose-m_simcc-ap10k_pt-aic-coco_210e-256x256-7a041aa1_20230206.pth -P checkpoint
display.clear_output()
  • MMPose提供了一个被称为MMPoseInferencer的、全面的推理API。这个API使得用户得以使用所有MMPose支持的模型来对图像和视频进行模型推理。此外,该API可以完成推理结果自动化,并方便用户保存预测结果。
  • 我们使用Cat Dataset数据集中的一张图片作为示例,进行模型推理。推理参数说明:
    • det_modelmmdetection工具箱中目标检测模型配置文件
    • det_weightsmmdetection工具箱中目标检测模型对应预训练权重文件
    • pose2dmmpose工具箱中姿态估计模型配置文件
    • pose2d_weightsmmpose工具箱中姿态估计对应预训练权重文件
    • out_dir:图片生成的文件夹
from mmpose.apis import MMPoseInferencerimg_path = '/kaggle/input/cat-dataset/CAT_00/00000001_012.jpg'
# 使用模型别名创建推断器
inferencer = MMPoseInferencer(det_model = '/kaggle/working/mmdetection/configs/rtmdet/rtmdet_l_8xb32-300e_coco.py',det_weights = 'checkpoint/rtmdet_l_8xb32-300e_coco_20220719_112030-5a0be7c4.pth',pose2d = 'projects/rtmpose/rtmpose/animal_2d_keypoint/rtmpose-m_8xb64-210e_ap10k-256x256.py',pose2d_weights = 'checkpoint/rtmpose-m_simcc-ap10k_pt-aic-coco_210e-256x256-7a041aa1_20230206.pth')# MMPoseInferencer采用了惰性推断方法,在给定输入时创建一个预测生成器
result_generator = inferencer(img_path, out_dir = 'outputs', show=False)
result = next(result_generator)
display.clear_output()
  • 可视化推理结果
import matplotlib.pyplot as pltimg_og = mmcv.imread(img_path)
img_fuse = mmcv.imread('outputs/visualizations/00000001_012.jpg')fig, axes = plt.subplots(1, 2, figsize=(15, 10))
axes[0].imshow(mmcv.bgr2rgb(img_og))
axes[0].set_title('Original Image')
axes[0].axis('off')axes[1].imshow(mmcv.bgr2rgb(img_fuse))
axes[1].set_title('Keypoint Image')
axes[1].axis('off')
plt.show()

请添加图片描述

数据处理

数据内容详解

  • Cat Dataset包含9000多张猫图像。对于每张图像,都有猫头部的注释,有9个点,2个用于眼睛,1个用于嘴巴,6个用于耳朵。
  • 注释数据存储在1个文件中,文件名是相应的图像名称,末尾加上“cat”。每张猫图像都有1个注释文件。对于每个注释文件,注释数据按以下顺序存储:
    • Number of points (关键点数目)
    • Left Eye(左眼)
    • Right Eye(右眼)
    • Mouth(嘴)
    • Left Ear-1(左耳-1)
    • Left Ear-2(左耳-2)
    • Left Ear-3(左耳-3)
    • Right Ear-1(右耳-1)
    • Right Ear-2(右耳-2)
    • Right Ear-3(左耳-3)
  • 数据集最初在互联网档案馆中找到,网站
  • 数据层级目录如下所示:
 - CAT_00- 00000001_000.jpg- 00000001_000.jpg.cat- 00000001_005.jpg- 00000001_005.jpg.cat- ...- CAT_01- 00000100_002.jpg- 00000100_002.jpg.cat- 00000100_003.jpg- 00000100_003.jpg.cat- CAT_02- CAT_03- CAT_04- CAT_05- CAT_06
  • 总的来说,一共有7个文件夹,每个文件夹里面有若干.jpg格式的图片文件,且对应有.cat格式的注释文件,.cat文件可以看做是文本文件,内容示例:
9 435 322 593 315 524 446 318 285 283 118 430 195 568 186 701 81 703 267 
  • 除第1个数字9表示有9个关键点,后面每2个点表示1个部位的坐标(x,y),所以一共有1 + 2 * 9 = 19个点

文件夹规整

  • 我们将数据集中的7个文件夹中的图片与注释文件分开,分别存储在mmpose项目文件夹data文件夹中,并分别命名为imagesann
def separate_files(og_folder, trans_folder):image_folder = os.path.join(trans_folder, 'images')ann_folder = os.path.join(trans_folder, 'ann')os.makedirs(image_folder, exist_ok=True)os.makedirs(ann_folder, exist_ok=True)for folder in os.listdir(data_folder):folder_path = os.path.join(data_folder, folder)if os.path.isdir(folder_path):for file in os.listdir(folder_path):if file.endswith('.jpg'):source_path = os.path.join(folder_path, file)target_path = os.path.join(image_folder, file)shutil.copy(source_path, target_path)elif file.endswith('.cat'):source_path = os.path.join(folder_path, file)target_path = os.path.join(ann_folder, file)shutil.copy(source_path, target_path)data_folder = '/kaggle/input/cat-dataset'
trans_folder = './data'separate_files(data_folder, trans_folder)

构造COCO注释文件

  • 本质上来说COCO就是1个字典文件,第1级键包含imagesannotationscategories
    • 其中images包含id(图片的唯一标识,必须要是数值型,不能有字符) 、file_name(图片名字)、 height(图片高度), width(图片宽度)这些信息
    • 其中annotations包含category_id(图片所属种类)、segmentation(实例分割掩码)、iscrowd(决定是RLE格式还是polygon格式)、image_id(图片id,对应images键中的id)、id(注释信息id)、bbox(目标检测框,[x, y, width, height])、 area(目标检测框面积)、num_keypoints(关键点数量), keypoints(关键点坐标)
    • 其中categories包含supercategoryid(类别id)、name(类别名)、keypoints(各部位名称)、skeleton(部位连接信息)
  • 更详细的COCO注释文件解析推荐博客COCO数据集的标注格式、如何将VOC XML文件转化成COCO数据格式
  • 构造read_file_as_list函数,将注释文件中的坐标变成[x,y,v]v为0时表示这个关键点没有标注,v为1时表示这个关键点标注了但是不可见(被遮挡了),v为2时表示这个关键点标注了同时可见。因为数据集中部位坐标均标注且可见,所以在x,y坐标后均插入2。
def read_file_as_list(file_path):with open(file_path, 'r') as file:content = file.read()key_point = [int(num) for num in content.split()]key_num = key_point[0]key_point.pop(0)for i in range(2, len(key_point) + len(key_point)//2, 2 + 1):key_point.insert(i, 2)return key_num,key_point
  • 构造get_image_size函数,用于获取图片宽度和高度。
def get_image_size(image_path):with Image.open(image_path) as img:width, height = img.sizereturn width, height
  • 因为数据集没有提供目标检测框信息,且图片中基本无干扰元素,所以将目标检测框信息置为[0, 0, width, height]即整张图片。相应的目标检测框面积area = width * height
# 转换为coco数据格式
def coco_structure(ann_dir,image_dir):coco = dict()coco['images'] = []coco['annotations'] = []coco['categories'] = []coco['categories'].append(dict(supercategory = 'cat',id = 1,name = 'cat',keypoints = ['Left Eye','Right Eye','Mouth','Left Ear-1','Left Ear-2','Left Ear-3','Right Ear-1','Right Ear-2','Right Ear-3'],skeleton = [[0,1],[0,2],[1,2],[3,4],[4,5],[5,6],[6,7],[7,8],[3,8]]))ann_list = os.listdir(ann_dir)id = 0for file_name in tqdm(ann_list):key_num,key_point = read_file_as_list(os.path.join(ann_dir, file_name))if key_num == 9:image_name = os.path.splitext(file_name)[0]image_id = os.path.splitext(image_name)[0]height, width = get_image_size(os.path.join(image_dir, image_name))image = {"id": id, "file_name": image_name, "height": height, "width": width}coco['images'].append(image)key_dict = dict(category_id = 1, segmentation = [], iscrowd = 0, image_id = id, id = id, bbox = [0, 0, width, height], area = width * height, num_keypoints = key_num, keypoints = key_point)coco['annotations'].append(key_dict)id = id + 1return coco
  • 写入注释信息,并将其保存为mmpose项目文件夹data/annotations_all.json文件
ann_file = coco_structure('./data/ann','./data/images')
output_file_path =  './data/annotations_all.json'
with open(output_file_path, "w", encoding="utf-8") as output_file:json.dump(ann_file, output_file, ensure_ascii=True, indent=4)

拆分训练、测试数据

  • 按0.85、0.15的比例将注释文件拆分为训练、测试文件
def split_coco_dataset(coco_json_path: str, save_dir: str, ratios: list,shuffle: bool, seed: int):if not Path(coco_json_path).exists():raise FileNotFoundError(f'Can not not found {coco_json_path}')if not Path(save_dir).exists():Path(save_dir).mkdir(parents=True)ratios = np.array(ratios) / np.array(ratios).sum()if len(ratios) == 2:ratio_train, ratio_test = ratiosratio_val = 0train_type = 'trainval'elif len(ratios) == 3:ratio_train, ratio_val, ratio_test = ratiostrain_type = 'train'else:raise ValueError('ratios must set 2 or 3 group!')coco = COCO(coco_json_path)coco_image_ids = coco.getImgIds()val_image_num = int(len(coco_image_ids) * ratio_val)test_image_num = int(len(coco_image_ids) * ratio_test)train_image_num = len(coco_image_ids) - val_image_num - test_image_numprint('Split info: ====== \n'f'Train ratio = {ratio_train}, number = {train_image_num}\n'f'Val ratio = {ratio_val}, number = {val_image_num}\n'f'Test ratio = {ratio_test}, number = {test_image_num}')seed = int(seed)if seed != -1:print(f'Set the global seed: {seed}')np.random.seed(seed)if shuffle:print('shuffle dataset.')random.shuffle(coco_image_ids)train_image_ids = coco_image_ids[:train_image_num]if val_image_num != 0:val_image_ids = coco_image_ids[train_image_num:train_image_num +val_image_num]else:val_image_ids = Nonetest_image_ids = coco_image_ids[train_image_num + val_image_num:]categories = coco.loadCats(coco.getCatIds())for img_id_list in [train_image_ids, val_image_ids, test_image_ids]:if img_id_list is None:continueimg_dict = {'images': coco.loadImgs(ids=img_id_list),'categories': categories,'annotations': coco.loadAnns(coco.getAnnIds(imgIds=img_id_list))}if img_id_list == train_image_ids:json_file_path = Path(save_dir, f'{train_type}.json')elif img_id_list == val_image_ids:json_file_path = Path(save_dir, 'val.json')elif img_id_list == test_image_ids:json_file_path = Path(save_dir, 'test.json')else:raise ValueError('img_id_list ERROR!')print(f'Saving json to {json_file_path}')with open(json_file_path, 'w') as f_json:json.dump(img_dict, f_json, ensure_ascii=False, indent=2)print('All done!')
split_coco_dataset('./data/annotations_all.json', './data', [0.85,0.15], True, 2023)

输出

loading annotations into memory...
Done (t=0.13s)
creating index...
index created!
Split info: ====== 
Train ratio = 0.85, number = 8495
Val ratio = 0, number = 0
Test ratio = 0.15, number = 1498
Set the global seed: 2023
shuffle dataset.
Saving json to data/trainval.json
Saving json to data/test.json
All done!
  • 可以看到训练集有8495张图片,测试集有1498张图片

模型配置文件

  • 打开项目文件夹下的projects/rtmpose/rtmpose/animal_2d_keypoint/rtmpose-m_8xb64-210e_ap10k-256x256.py文件,发现模型配置文件仅继承_base_/default_runtime.py文件
  • 需要修改主要有dataset_typedata_modedataset_infocodectrain_dataloader test_dataloader val_evaluatorbase_lrmax_epochsdefault_hooks。还有一些细节我在代码中有标注,可以参照着修改
  • 修改完成后将文件写入./configs/animal_2d_keypoint/cat_keypoint.py
custom_config = """
_base_ = ['mmpose::_base_/default_runtime.py']# 数据集类型及路径
dataset_type = 'CocoDataset'
data_mode = 'topdown'
data_root = './data/'
work_dir = './work_dir'# cat dataset关键点检测数据集-元数据
dataset_info = {'dataset_name':'Keypoint_cat','classes':'cat','paper_info':{'author':'Luck','title':'Cat Keypoints Detection',},'keypoint_info':{0:{'name':'Left Eye','id':0,'color':[255,0,0],'type': '','swap': ''},1:{'name':'Right Eye','id':1,'color':[255,127,0],'type': '','swap': ''},2:{'name':'Mouth','id':2,'color':[255,255,0],'type': '','swap': ''},3:{'name':'Left Ear-1','id':3,'color':[0,255,0],'type': '','swap': ''},4:{'name':'Left Ear-2','id':4,'color':[0,255,255],'type': '','swap': ''},5:{'name':'Left Ear-3','id':5,'color':[0,0,255],'type': '','swap': ''},6:{'name':'Right Ear-1','id':6,'color':[139,0,255],'type': '','swap': ''},7:{'name':'Right Ear-2','id':7,'color':[255,0,255],'type': '','swap': ''},8:{'name':'Right Ear-3','id':8,'color':[160,82,45],'type': '','swap': ''}},'skeleton_info': {0: {'link':('Left Eye','Right Eye'),'id': 0,'color': [255,0,0]},1: {'link':('Left Eye','Mouth'),'id': 1,'color': [255,0,0]},2: {'link':('Right Eye','Mouth'),'id': 2,'color': [255,0,0]},3: {'link':('Left Ear-1','Left Ear-2'),'id': 3,'color': [255,0,0]},4: {'link':('Left Ear-2','Left Ear-3'),'id': 4,'color': [255,0,0]},5: {'link':('Left Ear-3','Right Ear-1'),'id': 5,'color': [255,0,0]},6: {'link':('Right Ear-1','Right Ear-2'),'id': 6,'color': [255,0,0]},7: {'link':('Right Ear-2','Right Ear-3'),'id': 7,'color': [255,0,0]},8: {'link':('Left Ear-1','Right Ear-3'),'id': 8,'color': [255,0,0]},}
}# 获取关键点个数
NUM_KEYPOINTS = len(dataset_info['keypoint_info'])
dataset_info['joint_weights'] = [1.0] * NUM_KEYPOINTS
dataset_info['sigmas'] = [0.025] * NUM_KEYPOINTS# 训练超参数
max_epochs = 100 
val_interval = 5
train_cfg = {'max_epochs': max_epochs, 'val_begin':20, 'val_interval': val_interval}
train_batch_size = 32
val_batch_size = 32
stage2_num_epochs = 10
base_lr = 4e-3 / 16
randomness = dict(seed=2023)# 优化器
optim_wrapper = dict(type='OptimWrapper',optimizer=dict(type='AdamW', lr=base_lr, weight_decay=0.05),paramwise_cfg=dict(norm_decay_mult=0, bias_decay_mult=0, bypass_duplicate=True))# 学习率
param_scheduler = [dict(type='LinearLR', start_factor=1.0e-5, by_epoch=False, begin=0, end=600),dict(type='CosineAnnealingLR',eta_min=base_lr * 0.05,begin=max_epochs // 2,end=max_epochs,T_max=max_epochs // 2,by_epoch=True,convert_to_iter_based=True),
]# automatically scaling LR based on the actual training batch size
auto_scale_lr = dict(base_batch_size=1024)# codec settings
# input_size可以换成128的倍数
# sigma高斯分布标准差,越大越易学,但进度低。高精度场景,可以调小,RTMPose 原始论文中为 5.66
# input_size、sigma和下面model中的in_featuremap_size参数需要成比例缩放
codec = dict(type='SimCCLabel',input_size=(512, 512),sigma=(24, 24),simcc_split_ratio=2.0,normalize=False,use_dark=False)# 模型:RTMPose-M
model = dict(type='TopdownPoseEstimator',data_preprocessor=dict(type='PoseDataPreprocessor',mean=[123.675, 116.28, 103.53],std=[58.395, 57.12, 57.375],bgr_to_rgb=True),backbone=dict(_scope_='mmdet',type='CSPNeXt',arch='P5',expand_ratio=0.5,deepen_factor=0.67,widen_factor=0.75,out_indices=(4, ),channel_attention=True,norm_cfg=dict(type='SyncBN'),act_cfg=dict(type='SiLU'),init_cfg=dict(type='Pretrained',prefix='backbone.',checkpoint='https://download.openmmlab.com/mmdetection/v3.0/rtmdet/cspnext_rsb_pretrain/cspnext-m_8xb256-rsb-a1-600e_in1k-ecb3bbd9.pth')),head=dict(type='RTMCCHead',in_channels=768,out_channels=NUM_KEYPOINTS,input_size=codec['input_size'],in_featuremap_size=(16, 16),simcc_split_ratio=codec['simcc_split_ratio'],final_layer_kernel_size=7,gau_cfg=dict(hidden_dims=256,s=128,expansion_factor=2,dropout_rate=0.,drop_path=0.,act_fn='SiLU',use_rel_bias=False,pos_enc=False),loss=dict(type='KLDiscretLoss',use_target_weight=True,beta=10.,label_softmax=True),decoder=codec),test_cfg=dict(flip_test=True))backend_args = dict(backend='local')# pipelines
train_pipeline = [dict(type='LoadImage', backend_args=backend_args),dict(type='GetBBoxCenterScale'),dict(type='RandomFlip', direction='horizontal'),# dict(type='RandomHalfBody'),dict(type='RandomBBoxTransform', scale_factor=[0.8, 1.2], rotate_factor=30),dict(type='TopdownAffine', input_size=codec['input_size']),dict(type='mmdet.YOLOXHSVRandomAug'),dict(type='Albumentation',transforms=[dict(type='ChannelShuffle', p=0.5),dict(type='CLAHE', p=0.5),# dict(type='Downscale', scale_min=0.7, scale_max=0.9, p=0.2),dict(type='ColorJitter', p=0.5),dict(type='CoarseDropout',max_holes=4,max_height=0.3,max_width=0.3,min_holes=1,min_height=0.2,min_width=0.2,p=0.5),]),dict(type='GenerateTarget', encoder=codec),dict(type='PackPoseInputs')
]val_pipeline = [dict(type='LoadImage', backend_args=backend_args),dict(type='GetBBoxCenterScale'),dict(type='TopdownAffine', input_size=codec['input_size']),dict(type='PackPoseInputs')
]train_pipeline_stage2 = [dict(type='LoadImage', backend_args=backend_args),dict(type='GetBBoxCenterScale'),dict(type='RandomFlip', direction='horizontal'),dict(type='RandomHalfBody'),dict(type='RandomBBoxTransform',shift_factor=0.,scale_factor=[0.75, 1.25],rotate_factor=60),dict(type='TopdownAffine', input_size=codec['input_size']),dict(type='mmdet.YOLOXHSVRandomAug'),dict(type='Albumentation',transforms=[dict(type='Blur', p=0.1),dict(type='MedianBlur', p=0.1),dict(type='CoarseDropout',max_holes=1,max_height=0.4,max_width=0.4,min_holes=1,min_height=0.2,min_width=0.2,p=0.5),]),dict(type='GenerateTarget', encoder=codec),dict(type='PackPoseInputs')
]# data loaders
train_dataloader = dict(batch_size=train_batch_size,num_workers=2,persistent_workers=True,sampler=dict(type='DefaultSampler', shuffle=True),dataset=dict(type=dataset_type,data_root=data_root,metainfo=dataset_info,data_mode=data_mode,ann_file='trainval.json',data_prefix=dict(img='images/'),pipeline=train_pipeline,))
val_dataloader = dict(batch_size=val_batch_size,num_workers=2,persistent_workers=True,drop_last=False,sampler=dict(type='DefaultSampler', shuffle=False, round_up=False),dataset=dict(type=dataset_type,data_root=data_root,metainfo=dataset_info,data_mode=data_mode,ann_file='test.json',data_prefix=dict(img='images/'),pipeline=val_pipeline,))
test_dataloader = val_dataloaderdefault_hooks = {'checkpoint': {'save_best': 'PCK','rule': 'greater','max_keep_ckpts': 2},'logger': {'interval': 50}
}custom_hooks = [dict(type='EMAHook',ema_type='ExpMomentumEMA',momentum=0.0002,update_buffers=True,priority=49),dict(type='mmdet.PipelineSwitchHook',switch_epoch=max_epochs - stage2_num_epochs,switch_pipeline=train_pipeline_stage2)
]# evaluators
val_evaluator = [dict(type='CocoMetric', ann_file=data_root + 'test.json'),dict(type='PCKAccuracy'),dict(type='AUC'),dict(type='NME', norm_mode='keypoint_distance', keypoint_indices=[0, 1])
]test_evaluator = val_evaluator
"""
config = './configs/animal_2d_keypoint/cat_keypoint.py'
with io.open(config, 'w', encoding='utf-8') as f:f.write(custom_config)

模型训练

  • 使用训练脚本启动训练
!python tools/train.py {config}
  • 因为训练输出太长,这里截取一段模型在测试集上最佳精度:
08/06 19:15:56 - mmengine - INFO - Evaluating CocoMetric...
Loading and preparing results...
DONE (t=0.07s)
creating index...
index created!
Running per image evaluation...
Evaluate annotation type *keypoints*
DONE (t=0.57s).
Accumulating evaluation results...
DONE (t=0.03s).Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets= 20 ] =  0.943Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets= 20 ] =  0.979Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets= 20 ] =  0.969Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets= 20 ] = -1.000Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets= 20 ] =  0.944Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 20 ] =  0.953Average Recall     (AR) @[ IoU=0.50      | area=   all | maxDets= 20 ] =  0.987Average Recall     (AR) @[ IoU=0.75      | area=   all | maxDets= 20 ] =  0.977Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets= 20 ] = -1.000Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets= 20 ] =  0.953
08/06 19:15:56 - mmengine - INFO - Evaluating PCKAccuracy (normalized by ``"bbox_size"``)...
08/06 19:15:56 - mmengine - INFO - Evaluating AUC...
08/06 19:15:56 - mmengine - INFO - Evaluating NME...
08/06 19:15:57 - mmengine - INFO - Epoch(val) [60][47/47]    coco/AP: 0.943453  coco/AP .5: 0.979424  coco/AP .75: 0.969202  coco/AP (M): -1.000000  coco/AP (L): 0.944082  coco/AR: 0.953471  coco/AR .5: 0.987316  coco/AR .75: 0.977303  coco/AR (M): -1.000000  coco/AR (L): 0.953471  PCK: 0.978045  AUC: 0.801710  NME: 0.121770  data_time: 0.101005  time: 0.435133
08/06 19:15:57 - mmengine - INFO - The previous best checkpoint /kaggle/working/mmpose/work_dir/best_PCK_epoch_55.pth is removed
08/06 19:16:01 - mmengine - INFO - The best checkpoint with 0.9780 PCK at 60 epoch is saved to best_PCK_epoch_60.pth.
  • 可以看到模型PCK达到了0.978,AUC达到了0.8017,mAP也都挺高,说明模型效果非常不错!

模型精简

  • mmpose提供模型精简脚本,模型训练权重文件大小减少一半,但不影响精度和推理
  • 将在验证集上表现最好的模型权重进行精简
import glob
ckpt_path = glob.glob('./work_dir/best_PCK_*.pth')[0]
ckpt_sim = './work_dir/cat_pose_sim.pth'
# 模型精简
!python tools/misc/publish_model.py \{ckpt_path} \{ckpt_sim}

模型推理

  • 这里和上面的模型推理使用相同的思路,使用RTMDet模型进行目标检测,使用我们自己训练的RTMPose模型进行姿态估计。不过pose2d参数是我们上面保存的配置文件./configs/animal_2d_keypoint/cat_keypoint.pypose2d_weights为最佳精度模型精简后的权重文件glob.glob('./work_dir/cat_pose_sim*.pth')[0]
img_path = '/kaggle/input/cat-dataset/CAT_00/00000001_012.jpg'inferencer = MMPoseInferencer(det_model = '/kaggle/working/mmdetection/configs/rtmdet/rtmdet_l_8xb32-300e_coco.py',det_weights = 'checkpoint/rtmdet_l_8xb32-300e_coco_20220719_112030-5a0be7c4.pth',pose2d = './configs/animal_2d_keypoint/cat_keypoint.py',pose2d_weights = glob.glob('./work_dir/cat_pose_sim*.pth')[0])result_generator = inferencer(img_path, out_dir = 'outputs', show=False)
result = next(result_generator)
display.clear_output()
  • 可视化训练结果
img_og = mmcv.imread(img_path)
img_fuse = mmcv.imread('outputs/visualizations/00000001_012.jpg')fig, axes = plt.subplots(1, 2, figsize=(15, 10))
axes[0].imshow(mmcv.bgr2rgb(img_og))
axes[0].set_title('Original Image')
axes[0].axis('off')axes[1].imshow(mmcv.bgr2rgb(img_fuse))
axes[1].set_title('Keypoint Image')
axes[1].axis('off')
plt.show()

请添加图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/29053.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

力扣初级算法(二分查找)

力扣初级算法(二分法): 每日一算法:二分法查找 学习内容: 给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。 2.二分查找流程&…

Mageia 9 RC1 正式发布,Mandriva Linux 发行版的社区分支

导读Mageia 9 首个 RC 已发布。公告写道,自 2023 年 5 月发布 beta 2 以来,Mageia 团队一直致力于解决许多顽固问题并提供安全修复和新特性。 新版本的控制中心添加了用于删除旧内核的新功能,该功能在 Mageia 9 中默认自动启用,用…

探秘手机隐藏的望远镜功能:开启后,观察任何你想看的地方

当今的智能手机不仅仅是通信工具,它们蕴藏着各种隐藏的功能,其中之一就是让你拥有望远镜般的观察能力。是的,你没有听错!今天我们将探秘手机中隐藏的望远镜功能,这项神奇的功能可以让你打开后,轻松观察任何…

Spring Boot读取yml或者properties配置信息

文章目录 Spring Boot读取yml或者properties配置信息方法一:Value获取基本信息,适用于少量信息方法二:通过注解ConfigurationProperties(prefix "spring.datasource")方法三:通过api Environment Spring Boot读取yml或…

小兔鲜项目 uniapp (1)

目录 项目架构 uni-app小兔鲜儿电商项目架构 小兔鲜儿电商课程安排 创建uni-app项目 1.通过HBuilderX创建 2.通过命令行创建 pages.json和tabBar案例 uni-app和原生小程序开发区别 用VS Code开发uni-app项目 拉取小兔鲜儿项目模板代码 基础架构–引入uni-ui组件库 操…

SSM个人博客项目

文章目录 SSM个人博客系统实现项目介绍 一、准备工作0. 创建项目添加对应依赖1. 数据库设计2. 定时实体类 二、功能实现1.统一功能处理统一返回格式统一异常处理定义登录拦截器 2. 注册登录实现生成获取验证码密码加盐实现注册功能登录功能注销功能 3.登录用户博客列表获取登录…

机器学习笔记之优化算法(十)梯度下降法铺垫:总体介绍

机器学习笔记之优化算法——梯度下降法铺垫:总体介绍 引言回顾:线搜索方法线搜索方法的方向 P k \mathcal P_k Pk​线搜索方法的步长 α k \alpha_k αk​ 梯度下降方法整体介绍 引言 从本节开始,将介绍梯度下降法 ( Gradient Descent,GD ) …

SpringCloud Gateway获取请求响应body大小

前提 本文获取请求、响应body大小方法的前提 : 网关只做转发逻辑,不修改请求、相应的body内容。 SpringCloud Gateway内部的机制类似下图,HttpServer(也就是NettyServer)接收外部的请求,在Gateway内部请求将会通过Htt…

RISC-V基础之函数调用(四)非叶函数调用(包含实例)

叶函数是指不调用其他函数,也不改变任何非易失性寄存器的函数2。叶函数通常是一些简单的操作,如数学运算或逻辑判断。叶函数的特点是可以通过模拟返回来展开,即不需要保存或恢复寄存器的状态。 非叶函数是指调用其他函数或改变非易失性寄存器…

电力巡检无人机助力迎峰度夏,保障夏季电力供应

夏季是电力需求量较高的时期,随着高温天气的来临,风扇、空调和冰箱等电器的使用量也大大增加,从而迎来夏季用电高峰期,电网用电负荷不断攀升。为了保障夏季电网供电稳定,供电公司会加强对电力设施设备的巡检&#xff0…

opencv基础-34 图像平滑处理-2D 卷积 cv2.filter2D()

2D卷积是一种图像处理和计算机视觉中常用的操作,用于在图像上应用滤波器或卷积核,从而对图像进行特征提取、平滑处理或边缘检测等操作。 在2D卷积中,图像和卷积核都是二维的矩阵或数组。卷积操作将卷积核在图像上滑动,对每个局部区…

瑞数系列及顶像二次验证LOGS

瑞数商标局药监局专利局及顶像二次验证 日期:20230808 瑞数信息安全是一个专注于信息安全领域的公司,致力于为企业和个人提供全面的信息安全解决方案。他们的主要业务包括网络安全、数据安全、应用安全、云安全等方面的服务和产品。瑞数信息安全拥有一支…

现在转行搞嵌入式找工作难不难啊?

对于应届生来说,嵌入式开发的经验不会有太多,所以要求也不会太高。 嵌入式开发常用的是C语言,所以需要你有扎实的功底,这一点很重要,数据结构算法,指针,函数,网络编程 有了上面的基…

web题型

0X01 命令执行 漏洞原理 没有对用户输入的内容进行一定过滤直接传给shell_exec、system一类函数执行 看一个具体例子 cmd1|cmd2:无论cmd1是否执行成功,cmd2将被执行 cmd1;cmd2:无论cmd1是否执行成功,cmd2将被执行 cmd1&cmd2:无论cmd1是否执行成…

源码分析——ConcurrentHashMap源码+底层数据结构分析

文章目录 1. ConcurrentHashMap 1.71. 存储结构2. 初始化3. put4. 扩容 rehash5. get 2. ConcurrentHashMap 1.81. 存储结构2. 初始化 initTable3. put4. get 3. 总结 1. ConcurrentHashMap 1.7 1. 存储结构 Java 7 中 ConcurrentHashMap 的存储结构如上图,Concurr…

winform控件 datagridview分页功能

主要实现页面跳转、动态改变每页显示行数、返回首末页、上下页功能,效果图如下: 主代码如下: namespace Paging {public partial class Form1 : Form{public Form1(){InitializeComponent();}private int currentPageCount;//记录当前页行数…

一个竖杠在python中代表什么,python中一竖代表什么

大家好,小编来为大家解答以下问题,一个竖杠在python中代表什么,python中一竖代表什么,今天让我们一起来看看吧! 维基百科页面是错误的,我已经更正了。|和&不是布尔运算符,即使它们是急切运算…

GODOT游戏引擎简介,包含与unity性能对比测试,以及选型建议

GODOT,是一个免费开源的3D引擎。本文以unity作对比,简述两者区别和选型建议。由于是很久以前写的ppt,技术原因视频和部分章节丢失了。建议当做业务参考。 GODOT目前为止遇到3个比较重大的基于,第一个是oprea的合作奖,…

13-把矩阵看作是对系统的描述

探索矩阵乘法:更深刻的理解与应用视角 🧩🔍 引言 📖 在我们进一步探讨矩阵乘法之前,让我们从不同的角度来理解什么是矩阵,以及如何将矩阵视为一个系统。我们之前已经介绍了矩阵的基本概念和运算&#xff…

手搓 自然语言模型 LLM 拆分em结构设计 网络参数对比

数据 数据集 新的em编码参数表 voc_sizehidden_sizetotaltotal Bmax_lensecondsdays65536512374865920.03749B10242560.2655361024828375040.08284B20485120.5655362048<