文章目录
- 1. 预训练模型
- 2. 测试代码
- 3. 运行代码
- 4. 问题
上文搭建了YOLO7开发环境,并进行了物体定位测试。参见:YOLO7环境搭建、代码测试。本文将介绍如何使用YOLO7进行姿势识别。
文章图片
1. 预训练模型 下载YOLO7姿势识别预训练模型(点击下载),将下载的yolov7-w6-pose.pt放到YOLO7项目根目录下。
文章图片
2. 测试代码 在项目跟目录下,新建文件pos_reg.py,并输入如下代码:
# 姿势识别# 导入类库
import matplotlib.pyplot as plt
import torch
import cv2
from torchvision import transforms
import numpy as np
from utils.datasets import letterbox
from utils.general import non_max_suppression_kpt
from utils.plots import output_to_keypoint, plot_skeleton_kpts# 加载模型
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
weigths = torch.load('yolov7-w6-pose.pt')
model = weigths['model']
model = model.half().to(device)
_ = model.eval()# 读取图片
image = cv2.imread('./person.jpg')
image = letterbox(image, 960, stride=64, auto=True)[0]
image_ = image.copy()
image = transforms.ToTensor()(image)
image = torch.tensor(np.array([image.numpy()]))
image = image.to(device)
image = image.half()# 姿势识别
output, _ = model(image)# 输出结果
output = non_max_suppression_kpt(output, 0.25, 0.65, nc=model.yaml['nc'], nkpt=model.yaml['nkpt'], kpt_label=True)
output = output_to_keypoint(output)
nimg = image[0].permute(1, 2, 0) * 255
nimg = nimg.cpu().numpy().astype(np.uint8)
nimg = cv2.cvtColor(nimg, cv2.COLOR_RGB2BGR)
for idx in range(output.shape[0]):
plot_skeleton_kpts(nimg, output[idx, 7:].T, 3)# 保存结果
cv2.imwrite("pos_reg.jpg",nimg)
3. 运行代码 找一张图片放到项目根目录下(示例图片下载),命名为person.jpg。打开并运行pos_reg.py,运行完成后会输出pos_reg.jpg,即姿势识别后的图片。
文章图片
文章图片
4. 问题 【神经网络|YOLO7 姿势识别实例】如果提示错误:RuntimeError: Can’t call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.,则需修改utils/plots.py的442行和443行,将将cpu().numpy()修改为cpu().detach().numpy():
def output_to_keypoint(output):
# Convert model output to target format [batch_id, class_id, x, y, w, h, conf]
targets = []
for i, o in enumerate(output):
kpts = o[:,6:]
o = o[:,:6]
# 将cpu().numpy()修改为cpu().detach().numpy()
for index, (*box, conf, cls) in enumerate(o.cpu().detach().numpy()):
targets.append([i, cls, *list(*xyxy2xywh(np.array(box)[None])), conf, *list(kpts.cpu().detach().numpy()[index])])
return np.array(targets)
推荐阅读
- sklearn|【OpenCV 例程200篇】235. 特征提取之主成分分析(sklearn)
- 如何用 Python 自动化监控文件夹完成服务部署!
- 计算机毕业论文|基于Python的招聘网站爬虫及可视化的设计与实现
- python|使用Python网络爬虫爬取数据并对其进行可视化分析,加入邮件进行判断爬取过程中是否存在错误
- 爬虫|让我们用python来采集数据看看找工作都要会什么吧~
- 爬虫|python采集百度图片数据呐~没有你采集不了得图,只有你不想要
- 资讯|“如今,99.9% 以上的代码都是垃圾!”
- Kaggle Video Game Sales数据分析
- 毕设题目|机器学习_深度学习毕设题目汇总——人脸A