杭州网站建设招标,免费seo排名优化,哈尔滨报刊零售店地址,wordpress整站无刷新YOLOv7-Pose 实现YOLOv7#xff1a;可训练的免费套件为实时目标检测设置了最新技术标准
YOLOv7-Pose的姿态估计是基于YOLO-Pose的。关键点标签采用MS COCO 2017数据集。
训练
使用预训练模型yolov7-w6-person.pt进行训练。训练命令如下#xff1a;
python -m torch.distr…YOLOv7-Pose 实现YOLOv7可训练的免费套件为实时目标检测设置了最新技术标准
YOLOv7-Pose的姿态估计是基于YOLO-Pose的。关键点标签采用MS COCO 2017数据集。
训练
使用预训练模型yolov7-w6-person.pt进行训练。训练命令如下
python -m torch.distributed.launch --nproc_per_node 8 --master_port 9527 train.py --data data/coco_kpts.yaml --cfg cfg/yolov7-w6-pose.yaml --weights weights/yolov7-w6-person.pt --batch-size 128 --img 960 --kpt-label --sync-bn --device 0,1,2,3,4,5,6,7 --name yolov7-w6-pose --hyp data/hyp.pose.yaml部署
导出ONNX模型
运行以下命令生成onnx模型和引擎模型
python models/export_onnx.py \--weights weights/yolov7-w6-pose.pt \--img-size 832 \--device 0 \--batch-size 1 \--simplify导出TensorRT模型
使用脚本
python models/export_TRT.py \--onnx weights/yolov7-w6-pose.onnx \--batch-size 1 \--device 1 \--fp16或者使用trtexec
trtexec \--onnxweights/yolov7-w6-pose.onnx \--workspace4096 \--saveEngineweights/yolov7-w6-pose-FP16.engine \--fp16推理
PyTorch模型推理
python detect_multi_backend.py \--weights weights/yolov7-w6-pose.pt \--source data/images \--device 0 \--img-size 832 \--kpt-labelONNX模型推理
python detect_multi_backend.py \--weights weights/yolov7-w6-pose.onnx \--source data/images \--device 0 \--img-size 832 \--kpt-labelTensorRT模型推理
python detect_multi_backend.py \--weights weights/yolov7-w6-pose.engine \--source data/images \--device 0 \--img-size 832 \--kpt-label测试
使用yolov7-w6-pose.pt进行测试
官方YOLOv7-pose和YOLO-Pose代码只在test.py中计算检测mAP。若要计算关键点mAP需使用COCO API。在此仓库中实现的oks_iou矩阵计算加速了关键点mAP的计算。测试关键点mAP时oks区域设置为0.6乘以ground truth box的区域。
测试PyTorch模型
python test_multi_backend.py \--weights weights/yolov7-w6-pose.pt \--data data/coco_kpts.yaml \--img-size 832 \--conf-thres 0.001 \--iou-thres 0.6 \--task val \--device 0 \--kpt-label测试ONNX模型
python test_multi_backend.py \--weights weights/yolov7-w6-pose.onnx \--data data/custom_kpts.yaml \--img-size 832 \--conf-thres 0.001 \--iou-thres 0.6 \--task val \--device 0 \--kpt-label测试TensorRT模型
python test_multi_backend.py \--weights weights/yolov7-w6-pose-FP16.engine \--data data/coco_kpts.yaml \--img-size 832 \--conf-thres 0.001 \--iou-thres 0.6 \--task val \--device 0 \--kpt-labelINT8校准
python models/export_TRT.py \--onnx weights/yolov7-w6-pose.onnx \
