OpenMMLab AI实战营笔记3_rtm pose原理

代码课

这节课是实战课，子豪哥给我们标好的数据集。然后使用RTM模型进行训练。

安装环境流程略过

RTM模型简介

RTMpose是一种用于姿态估计的深度学习模型，其全称为Real-time Multi-person Pose Estimation Network。RTMpose模型可以在输入的图像中同时检测和估计多个人的姿态，即对每个人的身体关节进行定位和估计。

RTMpose模型基于深度卷积神经网络架构，它将图像分解为多个特征图，然后通过多个卷积、池化和残差块对图像特征进行提取。模型的输出是一个包含多个人体关节位置和置信度的热力图，每个热力图对应一个人的姿态。热力图中的每个像素值表示该像素位置上是否存在人体关节，并给出了该关节位置的置信度。

RTMpose模型的主要优点是高效性和准确性。由于其优化的网络结构和高效的实现，RTMpose可以在实时性要求较高的场景中实现快速的姿态估计。此外，RTMpose还具有较高的准确性和鲁棒性，能够在不同人体姿态、光照、遮挡等情况下保持较好的效果。

训练效果展示

这里能看到我们每个模型的mAP还是很高的。

推理效果展示

后续思考

既然RTM可以做的了耳穴位检测，是否也可以做背部穴位检测？