Pytorch_Realtime_Multi-Person_Pose_Estimation 项目教程

1. 项目的目录结构及介绍

Pytorch_Realtime_Multi-Person_Pose_Estimation/
├── caffe2pytorch/
│   └── ...
├── caffe_model/
│   └── ...
├── preprocessing/
│   └── ...
├── testing/
│   └── ...
├── training/
│   └── ...
├── CocoFolder.py
├── LICENSE
├── Mytransforms.py
├── README.md
├── pose_estimation.py
├── utils.py
└── visualize_input.ipynb

目录结构介绍

• caffe2pytorch/: 包含将Caffe模型转换为PyTorch模型的脚本。
• caffe_model/: 包含Caffe模型的相关文件。
• preprocessing/: 包含数据预处理的脚本，用于生成JSON文件和掩码。
• testing/: 包含测试脚本和示例。
• training/: 包含训练网络的脚本。
• CocoFolder.py: 用于读取数据并为网络生成PAFs向量和热图。
• LICENSE: 项目的MIT许可证文件。
• Mytransforms.py: 包含一些图像、掩码、关键点和中心点转换的脚本。
• README.md: 项目的介绍和使用说明。
• pose_estimation.py: 网络结构的定义，前10层等同于VGG-19。
• utils.py: 包含一些常用函数，如调整学习率、读取配置等。
• visualize_input.ipynb: 用于验证预处理和生成热图及向量的有效性的脚本。

2. 项目的启动文件介绍

pose_estimation.py

这是项目的主要启动文件，定义了网络的结构。前10层等同于VGG-19，如果设置pretrained=True，则会使用VGG-19进行初始化。网络的阶段数为6，第一个阶段有5层（3个3x3卷积 + 2个1x1卷积），其余阶段有7层（5个3x3卷积 + 2个1x1卷积）。

visualize_input.ipynb

这是一个Jupyter Notebook文件，用于验证预处理和生成热图及向量的有效性。它展示了预处理后的示例图像。

3. 项目的配置文件介绍

config.yml

在training/目录下，有一个config.yml文件，用于设置训练参数。配置文件中需要设置以下参数：

• train_data_dir: 训练数据目录。
• train_mask_dir: 训练掩码目录。
• train_json_filepath: 训练JSON文件路径。
• val_data_dir: 验证数据目录。
• val_mask_dir: 验证掩码目录。
• val_json_filepath: 验证JSON文件路径。

训练命令

在training/目录下，使用以下命令启动训练：

sh train.sh

这个脚本会根据config.yml中的配置参数进行模型训练。

---

通过以上步骤，您可以了解并开始使用Pytorch_Realtime_Multi-Person_Pose_Estimation项目。