姿态估计 | OpenPose Plus值得期待

---

卡内基梅隆大学开源的OpenPose姿态估计库，出自论文“Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields”，提供了实时的2D姿态估计算法实现。其极大的促进了姿态估计领域的发展，成为该领域的经典标杆。

但是，原始OpenPose的训练代码基于Caffe和C++，难以再次定制开发。 而在实际项目中，开发人员往往需要根据自身的需求定制自己的训练集、数据增强方法等。

出于这个原因，近日TensorLayer的开发团队以TensorLayer方式重新实现了OpenPose，并将其开源，但该项目并不仅仅着眼于OpenPose的灵活训练，在其未来计划中，将开发更加高效、现代的姿态估计算法。

该项目名为OpenPose Plus，介绍为“OpenPose with MobileNet and TensorRT”，可见开发团队更加关注可在移动端部署的姿态估计模型。

目前OpenPose Plus仍处于起步阶段，已经实现了训练部分，想要自己训练OpenPose的同学不妨一试。

但其未来开发计划更加值得期待：

1）提供预训练模型；

2）支持TensorRT的Float16 与 Int8 类型的推断加速；

3）更快的C++后处理；

4）分布式训练；

5）更快的数据增广；

6）实现ECCV2018的惊艳论文《Pose Proposal Networks》，号称200fps的姿态估计！

尤其是2）和6），期望早日实现，速度飞起来！

对此感兴趣的同学也欢迎给OpenPose Plus贡献你的代码。

代码地址：

https://github.com/tensorlayer/openpose-plus

这样的项目要赶紧Star～

---

长按关注我爱计算机视觉

【点赞与转发】就是一种鼓励