human-pose-estimation-0006

ユースケースと概要説明

これは、EfficientHRNet アプローチ (Associative Embedding フレームワークに従う) に基づく複数の人物の 2D 姿勢推定ネットワークです。画像内のすべての人物について、ネットワークはポーズ、つまりキーポイントとキーポイント間の接続で構成される体の骨格を検出します。ポーズには、ears、eyes、nose、shoulders、elbows、wrists、hips、knees、ankles (耳、目、鼻、肩、肘、手首、腰、膝、足首) など、最大 17 個のキーポイントを含めることができます。

例

仕様

メトリック

値

平均精度 (AP)

51.1%

GFlops

8.844

MParams

8.1506

ソース・フレームワーク

PyTorch*

COCO キーポイント評価サイトで説明されている平均精度メトリック。

入力

画像、名前: image、形状: 1, 3, 352, 352、形式: B, C, H, W。

説明:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想される色の順序は BGR です。

出力

最終出力は 2 つのブロブです。

  1. heatmaps すべてのタイプのキーポイントの位置ヒートマップを含む形状 1, 17, 176, 176 のヒートマップ。非最大抑制アルゴリズムによって除外された位置には、否定値が割り当てられています。

  2. embeddings 形状 1, 17, 176, 176, 1 の埋め込みには、個々のキーポイントをポーズにグループ化する連想埋め込み値が含まれています。

デモの使い方

Open Model Zoo が提供する次のデモでこのモデルを使用して、その機能を確認できます。