Awesome GitHub RepositoriesPose Estimation Models

Ultralytics 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

YOLOv7 is a PyTorch vision library and real-time inference engine designed for object detection, human pose estimation, and instance segmentation. It provides a framework for detecting and locating multiple objects within images or video streams using neural networks. The system includes tools for custom model training and fine-tuning, allowing pre-trained weights to be adapted to specialized datasets via transfer learning. It also supports model weight export and format conversion to facilitate deployment on production servers and embedded edge devices.

This is a real-time object detection framework built on the YOLOv3 architecture, implemented in PyTorch. It provides a complete pipeline for identifying and localizing objects in images and video using a single neural network pass, combining a Darknet-53 backbone with multi-scale feature pyramids and anchor-based bounding box prediction. The framework extends beyond basic detection to include instance segmentation, human pose estimation, and multi-object tracking across video frames. It offers a model export toolkit that converts trained models through ONNX to CoreML, TensorFlow Lite, and Ten

AlphaPose एक डीप लर्निंग पोज़ एस्टिमेशन फ्रेमवर्क और PyTorch कंप्यूटर विज़न लाइब्रेरी है, जिसे इमेज और वीडियो में मानव शरीर, चेहरे, हाथ और पैर के कीपॉइंट्स को डिटेक्ट और ट्रैक करने के लिए डिज़ाइन किया गया है। यह स्केलेटल पोस्चर एस्टिमेशन और मल्टी-पर्सन पोज़ ट्रैकिंग के लिए एक सिस्टम प्रदान करता है। यह प्रोजेक्ट थ्री-डायमेंशनल ह्यूमन पोज़ रिकंस्ट्रक्शन के लिए टूल्स लागू करता है, जो टू-डायमेंशनल इमेज डेटा से जॉइंट पोजीशन्स और बॉडी मेश शेप्स जनरेट करता है। इसमें एक मल्टी-पर्सन पोज़ ट्रैकर भी शामिल है जो लगातार वीडियो फ्रेम्स में कई लोगों की पहचान बनाए रखने में सक्षम है। यह फ्रेमवर्क कंप्यूटर विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है, जिसमें मल्टी-पर्सन कीपॉइंट लोकलाइज़ेशन, ह्यूमन मोशन ट्रैकिंग और थ्री-डायमेंशनल बॉडी मेश का रिकंस्ट्रक्शन शामिल है।

CenterNet is a center point object detection framework and real-time computer vision pipeline. It identifies objects and poses by predicting center points instead of using anchor boxes. The system functions as a 3D bounding box estimator, a human pose estimation model, and a tool for real-time object detection. It treats the placement of joints and object locations as center point detection problems to locate entities in images and three-dimensional space. Capabilities cover 3D object detection, human keypoint estimation, and live video analysis. The pipeline uses a single-stage feedforward

PaddleX is a PaddlePaddle-based framework for building, deploying, and fine-tuning AI model pipelines, with pre-built support for computer vision, OCR, document analysis, and time series tasks. It offers a toolkit of ready-to-use pipelines for image classification, object detection, segmentation, and pose estimation, alongside an end-to-end OCR document analysis pipeline that extracts text, tables, formulas, and layout information. The platform also includes a dedicated time series forecasting pipeline for analyzing historical data to detect anomalies, classify patterns, and predict future val

Gluon-CV एक MXNet कंप्यूटर विज़न लाइब्रेरी है जो प्री-इंप्लीमेंटेड विज़न आर्किटेक्चर और ट्रेनिंग पाइपलाइन्स का एक व्यापक संग्रह प्रदान करती है। यह एक डीप लर्निंग रिसर्च टूलकिट और मॉडल ज़ू के रूप में कार्य करती है, जिसमें इमेज और वीडियो एनालिसिस के लिए अत्याधुनिक प्री-ट्रेंड वेट्स शामिल हैं। इस प्रोजेक्ट में एक विशेष ह्यूमन पोज़ एस्टिमेशन लाइब्रेरी और मॉडल कम्प्रेशन टूलकिट शामिल है। ये टूल्स इन्फरेंस स्पीड बढ़ाने और कंस्ट्रेंड एज हार्डवेयर पर डिप्लॉयमेंट को सुविधाजनक बनाने के लिए डीप लर्निंग मॉडल्स की प्रूनिंग और क्वांटाइज़ेशन की अनुमति देते हैं। यह लाइब्रेरी इमेज क्लासिफिकेशन, ऑब्जेक्ट डिटेक्शन और सिमेंटिक व इंस्टेंस सेगमेंटेशन जैसी विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है।

Sapiens is a high-resolution human vision model designed for high-precision, human-centric computer vision tasks. It functions as a suite of tools for estimating human pose, depth, and surface geometry. The project utilizes a vision transformer backbone to perform multiple tasks through a shared encoder. This architecture enables the simultaneous prediction of skeletal structures, joint locations, and the distance between a camera and a human subject. The model's capabilities cover human body part segmentation to isolate anatomical regions from backgrounds and surface normal prediction to re

यह प्रोजेक्ट हाई-रिज़ॉल्यूशन रिप्रेजेंटेशन लर्निंग के लिए डिज़ाइन किए गए एक रिसर्च आर्किटेक्चर का PyTorch इम्प्लीमेंटेशन है। यह कंप्यूटर विज़न फ्रेमवर्क सटीक कीपॉइंट डिटेक्शन, ह्यूमन पोज़ एस्टिमेशन और सिमेंटिक इमेज सेगमेंटेशन पर केंद्रित है। यह इम्प्लीमेंटेशन मानव शरीर पर एनाटॉमिकल लैंडमार्क की पहचान करने और ओरिएंटेशन व अलाइनमेंट का विश्लेषण करने के लिए फेशियल कीपॉइंट कोऑर्डिनेट्स का अनुमान लगाने के लिए विशेष टूल्स प्रदान करता है। यह नेटवर्क में हाई-रिज़ॉल्यूशन रिप्रेजेंटेशन बनाए रखने के लिए मल्टी-रिज़ॉल्यूशन पैरेलल स्ट्रीम्स और रिपीटेड मल्टी-स्केल फ्यूजन सिस्टम का उपयोग करता है। यह फ्रेमवर्क ऑब्जेक्ट डिटेक्शन, इमेज क्लासिफिकेशन और पिक्सेल-लेवल सिमेंटिक सेगमेंटेशन सहित कंप्यूटर विज़न कार्यों की एक विस्तृत श्रृंखला को कवर करता है। इसमें लेबल किए गए डेटासेट पर मॉडल को ट्रेन करने और वैलिडेशन डेटा के मुकाबले अनुमानित जॉइंट पोजीशन्स की सटीकता का मात्रात्मक मूल्यांकन करने के लिए वर्कफ़्लो भी शामिल है।

HigherHRNet is a deep learning framework designed for bottom-up human pose estimation. It functions as a computer vision keypoint detector that identifies and tracks human body joints by utilizing high-resolution feature pyramids and scale-aware representation learning. The project distinguishes itself through a bottom-up approach, which identifies individual body parts across an entire image before clustering them into distinct human skeletons. This methodology is supported by multi-resolution feature fusion, which maintains high-resolution representations throughout the network by repeatedl

This project is a deep learning framework built for detecting and tracking human body keypoints in images and video streams. It functions as both a real-time motion tracking system and a machine learning environment for training and evaluating pose estimation models. The system utilizes a two-branch convolutional neural network to predict body part locations and their directional connections simultaneously. It employs multi-stage feature refinement to improve keypoint localization accuracy and uses greedy parsing and bipartite matching algorithms to associate detected parts into individual sk

This project is a computer vision framework designed for the real-time detection of human body keypoints and skeletal structures. It provides an integrated toolkit for training, optimizing, and executing pose estimation models specifically for deployment on edge computing hardware. The framework distinguishes itself by utilizing part affinity field mapping to encode spatial relationships between joints, which are then processed through a greedy parsing algorithm to reconstruct human skeletons from visual data. To ensure high-performance execution, the library incorporates model quantization a