姿态估计|HigherHRnet详解之实验复现深度学习与pytorch|计算机视觉

论文：《HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》
论文链接：https://arxiv.org/pdf/1908.10357.pdf
代码链接：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation
姿态估计前言知识：姿态估计-前言知识_error:404..的博客-CSDN博客
HigherHRNet详解之论文解析：HigherHRnet详解之论文详解_error:404..的博客-CSDN博客
HigherHRNet详解之源码解析：
1.前言 HigherHRNet 来自于CVPR2020的论文，论文主要是提出了一个自底向上的2D人体姿态估计网络–HigherHRNet。该论文代码成为自底向上网络一个经典网络，CVPR2021年最先进的自底向上网络DEKR和SWAHR都是基于HigherHRNet的源码上进行的局部改进。所以搞懂HigherHRNet 对2020~2021的自底向上的人体姿态估计论文研究很有帮助。
2.代码复现
新建环境，名字以及python版本根据自己的来

conda create -n HigherHRnet python=3.6

激活环境

conda activate HigherHRnet

查看一下里面有哪些包，要保证有基本的包

conda list

现在就开始配置HighterHRnet的环境
进入对应路径，导入依赖

pip install -r requirements.txt

安装COCOAPI

# COCOAPI=/path/to/clone/cocoapi，推荐路径lib/cocoapi git clone https://github.com/cocodataset/cocoapi.git $COCOAPI cd $COCOAPI/PythonAPI# 下面两个选择一个即可，第一个是全局，第二个是指定环境 make install python3 setup.py install --user

【姿态估计|HigherHRnet详解之实验复现】安装CrowdPoseAPI
与COCOAPI同理，但是官网给出的链接感觉是有问题的，可以试试国内镜像
git clone https://github.com.cnpmjs.org/Jeff-sjtu/CrowdPose.git
进入对应的PythonAPI文件路径后

python3 setup.py build_ext --inplacepython3 setup.py build_ext install

再在主文件夹新建两个文件夹，output（training model output directory）和log（tensorboard log directory）

mkdir output mkdir log

过后文件夹目录像这样

${POSE_ROOT} ├── data ├── experiments ├── lib ├── log ├── models ├── output ├── tools ├── README.md └── requirements.txt

再下载预训练模型（GoogleDrive or OneDrive），文件目录结构如下

${POSE_ROOT} `-- models `-- pytorch |-- imagenet |`-- hrnet_w32-36af842e.pth `-- pose_coco `-- pose_higher_hrnet_w32_512.pth

最后数据准备，COCO download和CrowdPose download，注意crowdPose数据集下载后需要进行处理

python tools/crowdpose_concat_train_val.py

数据集的文件目录结构

${POSE_ROOT} |-- data `-- |-- coco `-- |-- annotations ||-- person_keypoints_train2017.json |`-- person_keypoints_val2017.json `-- images |-- train2017 ||-- 000000000009.jpg ||-- ... `-- val2017 |-- 000000000139.jpg |-- ...

${POSE_ROOT} |-- data `-- |-- crowd_pose `-- |-- json ||-- crowdpose_train.json ||-- crowdpose_val.json ||-- crowdpose_trainval.json (generated by tools/crowdpose_concat_train_val.py) |`-- crowdpose_test.json `-- images |-- 100000.jpg |-- 100001.jpg |-- ...

然后理论上来说就可以跑了。
single-scale testing（默认使用horizontal flip），如果不使用在最后面加上TEST.FLIP_TEST False:

python tools/valid.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml \ TEST.MODEL_FILE models/pytorch/pose_coco/pose_higher_hrnet_w32_512.pth

Multi-scale testing

python tools/valid.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml \ TEST.MODEL_FILE models/pytorch/pose_coco/pose_higher_hrnet_w32_512.pth \ TEST.SCALE_FACTOR '[0.5, 1.0, 2.0]'

COCO training