七月在线 课程:https://www.julyedu.com/course/getDetail/262

什么是关键点?

关键点定义:关键点也称为兴趣点,它是2D图像、3D点云或曲面模型上,可以通过定义检测标准来获取的具有稳定性、区别性的点集。关键点检测涉及同时检测人和定位他们的关键点。关键点与兴趣点相同。它们是空间位置或图像中的点,它们定义了图像中有趣或突出的内容。它们对图像旋转、收缩、平移、失真等是不变的。

关键点的意义?

加快后续识别、追踪等数据的处理速度。

环境配置

nvidia GPU 配置:

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html

code : MNIST

MNIST实战!

import torch
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import os
import torchvision
import numpy as np
from torch.autograd import Variable
import random
%matplotlib inlinetransform = transforms.Compose([
transforms.ToTensor(), transforms.Normalize([0.5], [0.5])])data_train = datasets.MNIST(root = "./data/",transform=transform,train = True,download = True)data_test = datasets.MNIST(root="./data/",transform = transform,train = False)data_loader_train = torch.utils.data.DataLoader(dataset=data_train,batch_size = 64,shuffle = True,num_workers=2)data_loader_test = torch.utils.data.DataLoader(dataset=data_test,batch_size = 64,shuffle = True,num_workers=2)images, labels = next(iter(data_loader_train))
img = torchvision.utils.make_grid(images)img = img.numpy().transpose(1,2,0)
std = [0.5,0.5,0.5]
mean = [0.5,0.5,0.5]
img = img*std+mean
print([labels[i] for i in range(64)])
plt.imshow(img)class Model(torch.nn.Module):def __init__(self):super(Model, self).__init__()self.conv1 = torch.nn.Sequential(torch.nn.Conv2d(1,64,kernel_size=3,stride=1,padding=1),torch.nn.ReLU(),torch.nn.Conv2d(64,128,kernel_size=3,stride=1,padding=1),torch.nn.ReLU(),torch.nn.MaxPool2d(stride=2,kernel_size=2))self.dense = torch.nn.Sequential(torch.nn.Linear(14*14*128,1024),torch.nn.ReLU(),torch.nn.Dropout(p=0.5),torch.nn.Linear(1024, 10))def forward(self, x):x = self.conv1(x)x = x.view(-1, 14*14*128)x = self.dense(x)return xcost = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters())
n_epochs = 5for epoch in range(n_epochs):running_loss = 0.0running_correct = 0print("Epoch {}/{}".format(epoch, n_epochs))print("-"*10)for data in data_loader_train:X_train, y_train = dataX_train, y_train = Variable(X_train), Variable(y_train)outputs = model(X_train)_,pred = torch.max(outputs.data, 1)optimizer.zero_grad()loss = cost(outputs, y_train)loss.backward()optimizer.step() #进行单次优化running_loss += loss.datarunning_correct += torch.sum(pred == y_train.data)testing_correct = 0for data in data_loader_test:X_test, y_test = dataX_test, y_test = Variable(X_test), Variable(y_test)outputs = model(X_test)_, pred = torch.max(outputs.data, 1)testing_correct += torch.sum(pred == y_test.data)print("Loss is:{:.4f}, Train Accuracy is:{:.4f}%, Test Accuracy is:{:.4f}".format(running_loss/len(data_train),100*running_correct/len(data_train),100*testing_correct/len(data_test)))
torch.save(model.state_dict(), "model_parameter.pkl")

reference resources

  • https://paperswithcode.com/sota/keypoint-detection-on-coco-test-dev

七月在线 《关键点检测概览与环境配置》相关推荐

  1. mmrotate旋转目标检测框架从环境配置到训练自己的数据集

    mmrotate旋转目标检测框架从环境配置到训练自己的数据集 最近有旋转目标检测的需求了,在寻找旋转目标检测算法的过程中,发现已经有人提前测评了各类旋转目标检测框架了,结果是mmrorate效果最好. ...

  2. PaddleHub人体骨骼关键点检测(2.0环境)

    目录 PaddleHub人体骨骼关键点检测 human_pose_estimation_resnet50_mpii 一.安装新版Hub 二.定义待预测照片 三.API预测 四.命令行预测 五.实现效果 ...

  3. 手把手教你用yolov3模型实现目标检测教程(一) - 环境配置

    手把手教你用yolov3模型实现目标检测(一) 写在前面: 由于项目需要,使用yolov3模型做了各种现实场景物体的目标检测.做完了过了好长时间,感觉有些遗忘,还是该留下点东西,方便自己查找,也希望能 ...

  4. 目标检测FCOS网络环境配置、训练自己的数据集

    文章:FCOS: Fully Convolutional One-Stage Object Detection 项目源码:https://github.com/tianzhi0549/FCOS 目录 ...

  5. Mediapipe人脸关键点检测

    Mediapipe人脸关键点检测 Mediapipe介绍 环境部署 人脸关键点检测 模型调用与配置 输出结果解析 绘制面网 视频演示 Mediapipe介绍 MediaPipe是由google制作的开 ...

  6. oracle pl sql安装配置,oracle的安装与plsql的环境配置

    1,首先得有oracle的安装包和plsql的安装包,安装包地址可见百度云 http://pan.baidu.com/s/1miTqhmg 2.解压下来进入0817账套,找到set.exe文件,双击安 ...

  7. 【我的第一个目标检测课题】1、课题介绍及环境配置(Windows+Keras+GPU)

    我的第一篇CSDN博客来了. 新手驾到,多多指教. 2020.12.28晚记 写在前面 今天验收完图像处理课程的结课课题--建筑材料识别课题了.晚上决定趁热打铁,记录一下完成这次课题的全过程,还有一点 ...

  8. 深度学习自学(六):Android人脸检测环境配置等相关问题

    Android人脸检测环境配置等相关问题 1.android studio 包查找不到 2.android studio 快捷键 搜索类的快捷键是Ctrl+N,搜索以后点击结果,可以跳到相应类的文件. ...

  9. 七月在线 《图像识别与检测》

    七月在线 课程:https://www.julyedu.com/course/getDetail/262 CSPNet CSPNet全称是Cross Stage Partial Network,主要从 ...

最新文章

  1. 动态规划(DP),Human Gene Functions
  2. [记录]使用openGL显示点云的一个程序
  3. Cloud Foundry技术资料汇总
  4. 思科超融合:主推HyperFlex,押注HCI
  5. cool venn diagram
  6. YouTube、微博、今日头条齐齐发力,短视频平台如何打造头部内容、做好用户留存?
  7. oracle vm virtualbox 无法安装mac,【总结】在VirtualBox上面安装Mac的注意事项
  8. 如何用Java代码在SAP Marketing Cloud里创建contact数据
  9. 设置Android客户端进入时的随机欢迎语
  10. access 报表中序号自动_Access中自动编号的字段ID如何让它重新从初始值1开始编号...
  11. android 文本分页显示,Android查看带有列表视图的分页器并动态添加文本
  12. sum-ftp-w.sh
  13. DHCP协议以及其配置
  14. Bootstrap4文件上传控件美化
  15. SHA与MD5算法的区别
  16. 计算机毕设(附源码)JAVA-SSM基于云服务器网上论坛设计
  17. Python反编译pyinstaller打包的exe文件 从0开始(未加密篇)
  18. mysql只有32位的吗_#金鸡奖##星辰大海演员计划#32位青年演员曝光,并非只有周冬雨斩获过金马奖...
  19. 2021自动化保研夏令营汇总
  20. micropythonesp8266刷固件_MicroPython入坑记2:ESP8266/ESP32刷固件

热门文章

  1. flask-mail异步发送邮件_.NET Core使用FluentEmail发送邮件
  2. vi插入模式下的backspace键和方向键“不正常”使用解决方法
  3. 诸神战纪2java_诸神战纪2死神归来
  4. java 静态方法 实例方法的区别_java 静态方法和实例方法的区别
  5. python开发bs系统_基于BS架构的招聘管理系统的开发
  6. 网络生成批量配置_GitHub Star 3.2K Java 图片缩略图生成库
  7. Windows下Eclipse提交MR程序到HadoopCluster
  8. QQ空间相册展示特效
  9. 难道我的事,又要落空么。。。
  10. 让人生成功的49个细节