3 dépôts
Awesome GitHub RepositoriesPose Estimation Validation
Automated routines for verifying the precision and recall of human pose detection models against ground truth datasets.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Pose Estimation Validation. Refine with filters or upvote what's useful.
Awesome Pose Estimation Validation GitHub Repositories
Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
- ultralytics/ultralytics
ultralytics/ultralytics
58,468Voir sur GitHubUltralytics is a comprehensive computer vision framework designed for training, validating, and deploying deep learning models across a wide range of visual recognition tasks. It provides a unified interface for core operations including object detection, instance segmentation, pose estimation, and image classification. By utilizing a modular architecture, the platform allows users to swap model components to balance inference speed and accuracy requirements for diverse applications. The framework distinguishes itself through its support for real-time processing and flexible deployment. It in
Verifies the precision and recall of human pose detection models by running automated benchmarks against ground truth datasets.
Pythonclicomputer-visiondeep-learning - leoxiaobin/deep-high-resolution-net.pytorch
leoxiaobin/deep-high-resolution-net.pytorch
4,479Voir sur GitHubCe projet est une implémentation PyTorch d'une architecture de recherche conçue pour l'apprentissage de représentations haute résolution. Il sert de framework de vision par ordinateur axé sur la détection précise de points clés, l'estimation de pose humaine et la segmentation sémantique d'images. L'implémentation fournit des outils spécialisés pour identifier les points de repère anatomiques sur le corps humain et prédire les coordonnées des points clés du visage afin d'analyser l'orientation et l'alignement. Elle utilise un système de flux parallèles multi-résolution et une fusion multi-échelle répétée pour maintenir des représentations haute résolution tout au long du réseau. Le framework couvre un large éventail de tâches de vision par ordinateur, notamment la détection d'objets, la classification d'images et la segmentation sémantique au niveau du pixel. Il inclut également des workflows pour entraîner des modèles sur des jeux de données étiquetés et évaluer quantitativement la précision des positions articulaires prédites par rapport aux données de validation.
Provides routines to evaluate the precision of predicted human joint positions against ground truth validation data.
Cuda - facebookresearch/videopose3d
facebookresearch/VideoPose3D
3,986Voir sur GitHubVideoPose3D is a machine learning framework designed for 3D human pose estimation. It functions as a motion reconstruction tool that predicts 3D joint positions from 2D video sequences using a temporal convolutional network to process body movement over time. The project includes a semi-supervised learning pipeline that improves pose accuracy by combining labeled datasets with unlabeled video data and projection consistency loss. It also features a video pose visualizer capable of rendering 3D skeleton reconstructions and 2D keypoints as overlays on original footage. The framework covers the
Includes routines for verifying the precision of pose reconstructions against ground truth biometric data.
Python
