专业网站建设 公司哪家好,seo引擎优化教程,佛山深圳建网站,wordpress 栏目模板人体关键点检测1#xff1a;人体姿势估计数据集
目录
人体关键点检测1#xff1a;人体姿势估计数据集
1.人体姿态估计
2.人体姿势估计数据集
#xff08;1#xff09;COCO数据集
#xff08;2#xff09;MPII数据集
#xff08;3#xff09;Human3.6M
#xf…人体关键点检测1人体姿势估计数据集
目录
人体关键点检测1人体姿势估计数据集
1.人体姿态估计
2.人体姿势估计数据集
1COCO数据集
2MPII数据集
3Human3.6M
4关键点示意图 1.人体姿态估计
人体关键点检测Human Keypoints Detection又称为人体姿态估计2D Pose是计算机视觉中一个相对基础的任务是人体动作识别、行为分析、人机交互等的前置任务。一般情况下可以将人体关键点检测细分为单人/多人关键点检测、2D/3D关键点检测同时有算法在完成关键点检测之后还会进行关键点的跟踪也被称为人体姿态跟踪。 本篇是人体关键点检测(人体姿势估计)项目系列文章之人体姿势估计数据集主要介绍了COCO数据集和MPII数据集。
【尊重原创转载请注明出处】https://blog.csdn.net/guyuealian/article/details/134703548 更多项目《人体关键点检测(人体姿势估计)》系列文章请参考
人体关键点检测1人体姿势估计数据集(含下载链接) https://blog.csdn.net/guyuealian/article/details/134703548人体关键点检测2Pytorch实现人体关键点检测(人体姿势估计)含训练代码和数据集 https://blog.csdn.net/guyuealian/article/details/134837816人体关键点检测3Android实现人体关键点检测(人体姿势估计)含源码 可实时检测 https://blog.csdn.net/guyuealian/article/details/134881797人体关键点检测4C/C实现人体关键点检测(人体姿势估计)含源码 可实时检测 https://blog.csdn.net/guyuealian/article/details/134881797 2.人体姿势估计数据集
1COCO数据集
下载地址https://cocodataset.org/#download
COCO人体关键点标注最多标注全身的17个关键点平均一幅图像2个人最多有13个人人体关键点标注每个人体关键点个数的分布情况其中11-15这个范围的人体是最多的有接近70000人6-10其次超过40000人后面依次为16-17,2-5,1. COCO数据集比较大还请耐心下载
数据集下载链接2017 Train images http://images.cocodataset.org/zips/train2017.zip2017 Val imageshttp://images.cocodataset.org/zips/val2017.zip2017 Test imageshttp://images.cocodataset.org/zips/test2017.zip2017 Train/Val annotations http://images.cocodataset.org/annotations/annotations_trainval2017.zip
2MPII数据集
下载地址http://human-pose.mpi-inf.mpg.de/#download
MPII人体关键点标注了全身16个关键点及其是否可见的信息人数train有28821test有11701有409种人类活动使用mat的struct格式行人框使用center和scale标注人体尺度关于200像素高度也就是除过了200。
Images (12.9 GB)
Annotations (12.5 MB) 3Human3.6M
下载地址Human3.6M Dataset
Human3.6M 是一个用于 3D 人体位姿估计研究的大型公开数据集在 paperswithcode 中可以看到在此数据集上提出的各种 SOTA 算法及模型是目前基于多视图的 3D 人体位姿研究最为重要的一个数据集。 4关键点示意图
数据集关键点示意图关键点说明COCO # 图像左右翻转时成对的关键点训练时用于数据增强 flip_pairs[[1, 2], [3, 4], [5, 6], [7, 8],[9, 10], [11, 12], [13, 14], [15, 16]] # 关键点连接线序号用于绘制图像 skeleton [[15, 13], [13, 11], [16, 14], [14, 12], [11, 12], [5, 11], [6, 12], [5, 6], [5, 7], [6, 8], [7, 9], [8, 10], [0, 1], [0, 2], [1, 3], [2, 4]] # 每个关键点序号对应人体关键点的意义 keypoints: { 0: nose, 1: left_eye, 2: right_eye, 3: left_ear, 4: right_ear, 5: left_shoulder, 6: right_shoulder, 7: left_elbow, 8: right_elbow, 9: left_wrist, 10: right_wrist, 11: left_hip, 12: right_hip, 13: left_knee, 14: right_knee, 15: left_ankle, 16: right_ankle } MPII # 图像左右翻转时成对的关键点训练时用于数据增强 flip_pairs [[0, 5], [1, 4], [2, 3], [10, 15], [11, 14], [12, 13]] # 关键点连接线序号用于绘制图像 skeleton[[0, 1], [1, 2], [3, 4], [4, 5], [2, 6], [6, 3], [12, 11], [7, 12], [11, 10], [13, 14], [14, 15], [8, 9], [8, 7], [6, 7], [7, 13]] # 每个关键点序号对应人体关键点的意义 keypoints: {0: r_ankle, 1: r_knee, 2: r_hip, 3: l_hip, 4: l_knee, 5: l_ankle, 6: pelvis, 7: thorax, 8: upper_neck, 9: head_top, 10: r_wrist, 11: r_elbow, 12: r_shoulder, 13: l_shoulder, 14: l_elbow, 15: l_wrist } human3.6Mkinect JointType_SpineBase 0 # 脊柱底
JointType_SpineMid 1 # 脊柱中间
JointType_Neck 2 # 脖子
JointType_Head 3 # 额头
JointType_ShoulderLeft 4
JointType_ElbowLeft 5
JointType_WristLeft 6
JointType_HandLeft 7
JointType_ShoulderRight 8
JointType_ElbowRight 9
JointType_WristRight 10
JointType_HandRight 11
JointType_HipLeft 12
JointType_KneeLeft 13
JointType_AnkleLeft 14
JointType_FootLeft 15
JointType_HipRight 16
JointType_KneeRight 17
JointType_AnkleRight 18
JointType_FootRight 19
JointType_SpineShoulder 20
JointType_HandTipLeft 21
JointType_ThumbLeft 22
JointType_HandTipRight 23
JointType_ThumbRight 24
JointType_Count 25
