Skip to content

Latest commit

 

History

History
315 lines (243 loc) · 22.7 KB

README_CN.md

File metadata and controls

315 lines (243 loc) · 22.7 KB
 
OpenMMLab 官网 HOT      OpenMMLab 开放平台 TRY IT OUT
 

Documentation actions codecov PyPI LICENSE Average time to resolve an issue Percentage of issues still open

📘文档 | 🛠️安装 | 👀模型库 | 📜论文库 | 🆕更新日志 | 🤔报告问题 | 🔥RTMPose

Introduction

English | 简体中文

MMPose 是一款基于 PyTorch 的姿态分析的开源工具箱，是 OpenMMLab 项目的成员之一。

主分支代码目前支持 PyTorch 1.6 以上的版本。

mmpose.demo.mp4
主要特性

  • 支持多种人体姿态分析相关任务

    MMPose 支持当前学界广泛关注的主流姿态分析任务：主要包括 2D多人姿态估计、2D手部姿态估计、2D人脸关键点检测、133关键点的全身人体姿态估计、3D人体形状恢复、服饰关键点检测、动物关键点检测等。 具体请参考 功能演示。

  • 更高的精度和更快的速度

    MMPose 复现了多种学界最先进的人体姿态分析模型，包括“自顶向下”和“自底向上”两大类算法。MMPose 相比于其他主流的代码库，具有更高的模型精度和训练速度。 具体请参考 基准测试（英文）。

  • 支持多样的数据集

    MMPose 支持了很多主流数据集的准备和构建，如 COCO、 MPII 等。 具体请参考 数据集。

  • 模块化设计

    MMPose 将统一的人体姿态分析框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的人体姿态分析模型。

  • 详尽的单元测试和文档

    MMPose 提供了详尽的说明文档，API 接口说明，全面的单元测试，以供社区参考。

最新进展

  • 我们发布了 RTMPose，一个高性能实时多人姿态检测框架。具体包括：

    • 一组新的轻量化姿态估计模型，在不同算力条件下达到 SOTA 的精度性能
    • 支持多语言（Python, C++, C#, Java, etc）的模型推理接口，可以轻松集成到您的应用中以支持实时、稳定的姿态估计
    • 跨平台，多后端的模型部署支持
    • 提供极易上手的教程，帮助您训练和部署自己的模型

    更多信息敬请参阅 RTMPose 项目主页 和 技术报告

rtmpose_intro

  • 欢迎使用 MMPose 项目。在这里，您可以发现 MMPose 中的最新功能和算法，并且可以通过最快的方式与社区分享自己的创意和代码实现。向 MMPose 中添加新功能从此变得简单丝滑：

    • 提供了一种简单迅捷的方式，将新的算法、功能和应用添加到 MMPose 中
    • 更灵活的代码结构和风格，更少的限制，更简短的代码审核流程
    • 通过独立项目的形式，利用 MMPose 的强大功能，同时不被代码框架所束缚
    • 最新添加的项目包括：
    • 从简单的 示例项目 开启您的 MMPose 代码贡献者之旅吧，让我们共同打造更好用的 MMPose！

  • 2022-03-15: MMPose v1.0.0rc1 正式发布了，主要更新包括:

    • 发布了 RTMPose，一个高性能实时多人姿态估计算法框架
    • 支持了多个新算法： ViTPose (NeurIPS'22), CID (CVPR'22) and DEKR (CVPR'21)
    • 增加了 Inferencer，一个非常便捷的模型推理接口，通过 1 行代码完成模型选择、权重加载、模型推理和结果可视化。

    请查看完整的 版本说明 以了解更多 MMPose v1.0.0rc1 带来的更新!

安装

用户可以通过以下方式安装 MMPose：

conda create -n open-mmlab python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
conda activate open-mmlab
pip install openmim
git clone -b 1.x https://github.com/open-mmlab/mmpose.git
cd mmpose
mim install -e

# 如果您当前环境下安装了旧版本的 mmdet，您需要升级到 3.x 版本
mim install "mmdet>=3.0.0rc6"

关于安装的详细说明请参考安装文档。

教程

我们提供了一系列简明的教程，帮助 MMPose 的新用户轻松上手使用：

模型库

各个模型的结果和设置都可以在对应的 config（配置）目录下的 README.md 中查看。 整体的概况也可也在 模型库 页面中查看。

支持的算法
支持的技术
支持的数据集
支持的骨干网络

模型需求

我们将跟进学界的最新进展，并支持更多算法和框架。如果您对 MMPose 有任何功能需求，请随时在 MMPose Roadmap 中留言。

参与贡献

我们非常欢迎用户对于 MMPose 做出的任何贡献，可以参考 贡献指南 文件了解更多细节。

致谢

MMPose 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。 我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己的新模型，从而不断为开源社区提供贡献。

引用

如果您觉得 MMPose 对您的研究有所帮助，请考虑引用它：

@misc{mmpose2020,
    title={OpenMMLab Pose Estimation Toolbox and Benchmark},
    author={MMPose Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmpose}},
    year={2020}
}

许可证

该项目采用 Apache 2.0 license 开源协议。

OpenMMLab的其他项目

  • MMEngine: OpenMMLab 深度学习模型训练基础库
  • MMCV: OpenMMLab 计算机视觉基础库
  • MIM: OpenMMlab 项目、算法、模型的统一入口
  • MMClassification: OpenMMLab 图像分类工具箱
  • MMDetection: OpenMMLab 目标检测工具箱
  • MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
  • MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
  • MMSegmentation: OpenMMLab 语义分割工具箱
  • MMOCR: OpenMMLab 全流程文字检测识别理解工具包
  • MMPose: OpenMMLab 姿态估计工具箱
  • MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
  • MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
  • MMRazor: OpenMMLab 模型压缩工具箱与测试基准
  • MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
  • MMAction2: OpenMMLab 新一代视频理解工具箱
  • MMTracking: OpenMMLab 一体化视频目标感知平台
  • MMFlow: OpenMMLab 光流估计工具箱与测试基准
  • MMEditing: OpenMMLab 图像视频编辑工具箱
  • MMGeneration: OpenMMLab 图片视频生成模型工具箱
  • MMDeploy: OpenMMLab 模型部署框架

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，联络 OpenMMLab 官方微信小助手或加入 OpenMMLab 团队的 官方交流 QQ 群

我们会在 OpenMMLab 社区为大家

  • 📢 分享 AI 框架的前沿核心技术
  • 💻 解读 PyTorch 常用模块源码
  • 📰 发布 OpenMMLab 的相关新闻
  • 🚀 介绍 OpenMMLab 开发的前沿算法
  • 🏃 获取更高效的问题答疑和意见反馈
  • 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬