当前位置:   article > 正文

YOLOv8 全家桶再迎新成员!新增Pose Estimation模型!

yolov8 pose

关注公众号,发现CV技术之美

不知不觉间,YOLOv8已经发布三个月了,等待中的YOLOv8论文没来,昨天官方默默又加了新模型:姿态估计

说好的"目标检测"工业界标杆,正向着“CV全家桶”阔步向前。

现在你可以用YOLOv8做目标检测、实例分割、图像分类、目标跟踪、姿态估计了,也许还有更多惊喜在后面。

要想使用最新的姿态估计功能,你需要更新到最新版的YOLOv8:

pip install --upgrade ultralytics

官方的模型可以在这里下载:

https://github.com/ultralytics/assets/releases

其实你也可以不用下载,如果你仅调用官方模型,程序运行时没找到模型的话,它会自己下载的,就是这么贴心!(不过要保证你的网络良好,亲测国内略慢)

模型是在COCO数据集训练的,目前支持的是人体的检测和姿态估计。

CV君用一张网络图片测试一下:

yolo pose predict model=yolov8n-pose.pt source='http://neweuropeans.org/wp-content/uploads/2016/01/2015_Chisinau_Crossing_Europe_Poike-Stomps_MG_1047.jpg' show=True save=True

其中pose指定任务类型,predict代表我们是要做推断,模型这里我选择的是最轻量级的YOLOv8n-pose,”show=True save=True“代表显示并保存。

运行结果:

  1. Ultralytics YOLOv8.0.68  Python-3.9.13 torch-1.13.1+cu117 CUDA:0 (NVIDIA GeForce GTX 1080 Ti, 11264MiB)
  2. YOLOv8n-pose summary (fused): 187 layers, 3289964 parameters, 0 gradients, 9.2 GFLOPs
  3. Downloading http:\neweuropeans.org\wp-content\uploads\2016\01\2015_Chisinau_Crossing_Europe_Poike-Stomps_MG_1047.jpg to 2015_Chisinau_Crossing_Europe_Poike-Stomps_MG_1047.jpg...
  4. 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 564k/564k [00:00<00:001.29MB/s]
  5. image 1/1 E:\download\2015_Chisinau_Crossing_Europe_Poike-Stomps_MG_1047.jpg: 448x640 17 persons, 24.6ms
  6. Speed: 0.0ms preprocess, 24.6ms inference, 7.0ms postprocess per image at shape (13640640)
  7. Results saved to runs\pose\predict
d3facc6c7ab1c696b4292e75847fc592.jpeg

我的GPU是1080Ti,这张1500x977大小的图片推断时间24.6ms。

如果要用YOLOv8调用摄像头的话,也非常简单:

yolo pose predict model=yolov8n-pose.pt source=0 show=True save=True

官方在COCO数据集上做了更多测试:

ed3fbebe529e3431e058d69d2ac5da94.png

总计发布了YOLOv8n-pose、YOLOv8s-pose...YOLOv8x-pose-p6等6个模型,在A100上的推断速度从1.18ms到10.04ms,模型参数3.3M到99.1M。

方便在不同硬件和算力的平台上使用。

当然从CPU上的测试结果看,还不是一个CPU实时的算法。

不过更有价值的可能是,要训练我们自己的模型,是非常方便的。

按照coco128-pose.yaml的"样例"组织好数据并修改coco128-pose.yaml后,你只需要一句命令:

yolo pose train data=coco128-pose.yaml model=yolov8n-pose.pt epochs=100 imgsz=640

相关文档:https://docs.ultralytics.com/tasks/pose/

写在最后:YOLOv8的功能越来越多,而且相比于其他开源库,对于工业界来说更友好,涵盖训练、评估、推断、部署全流程,是快速进行项目开发的首选。

下一个进入YOLOv8 "CV全家桶"会是谁呢?Face?

END,入群声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/73171

推荐阅读
相关标签