【前言】

目前人體姿態(tài)估計總體分為Top-down和Bottom-up兩種，與目標檢測不同，無論是基于熱力圖或是基于檢測器處理的關(guān)鍵點檢測算法，都較為依賴計算資源，推理耗時略長，今年出現(xiàn)了以YOLO為基線的關(guān)鍵點檢測器。玩過目標檢測的童鞋都知道YOLO以及各種變種目前算是工業(yè)落地較多的一類檢測器，其簡單的設(shè)計思想，長期活躍的社區(qū)生態(tài)，使其始終占據(jù)著較高的話題度。

【演變】

在ECCV 2022和CVPRW 2022會議上，YoLo-Pose和KaPao（下稱為yolo-like-pose）都基于流行的YOLO目標檢測框架提出一種新穎的無熱力圖的方法，類似于很久以前谷歌使用回歸計算關(guān)鍵點的思想，yolo-like-pose一不使用檢測器進行二階處理，二部使用熱力圖拼接，雖然是一種暴力回歸關(guān)鍵點的檢測算法，但在處理速度上具有一定優(yōu)勢。

kapao

去年11月，滑鐵盧大學(xué)率先提出了 KaPao：Rethinking Keypoint Representations: Modeling Keypoints and Poses as Objects for Multi-Person Human Pose Estimation，基于YOLOv5進行關(guān)鍵點檢測，該文章目前已被ECCV 2022接收，該算法所取得的性能如下：

paper：https://arxiv.org/abs/2111.08557 code：https://github.com/wmcnally/kapao

yolov5-pose

今年4月，yolo-pose也掛在了arvix，在論文中，通過調(diào)研發(fā)現(xiàn) HeatMap 的方式普遍使用L1 Loss。然而，L1損失并不一定適合獲得最佳的OKS。且由于HeatMap是概率圖，因此在基于純HeatMap的方法中不可能使用OKS作為loss，只有當(dāng)回歸到關(guān)鍵點位置時，OKS才能被用作損失函數(shù)。因此，yolo-pose使用oks loss作為關(guān)鍵點的損失

相關(guān)代碼在https://github.com/TexasInstruments/edgeai-yolov5/blob/yolo-pose/utils/loss.py也可見到：

ifself.kpt_label: #Directkptprediction pkpt_x=ps[:,6::3]*2.-0.5 pkpt_y=ps[:,7::3]*2.-0.5 pkpt_score=ps[:,8::3] #mask kpt_mask=(tkpt[i][:,0::2]!=0) lkptv+=self.BCEcls(pkpt_score,kpt_mask.float()) #l2distancebasedloss #lkpt+=(((pkpt-tkpt[i])*kpt_mask)**2).mean()#Trytomakethislossbasedondistanceinsteadofordinarydifference #oksbasedloss d=(pkpt_x-tkpt[i][:,0::2])**2+(pkpt_y-tkpt[i][:,1::2])**2 s=torch.prod(tbox[i][:,-2:],dim=1,keepdim=True) kpt_loss_factor=(torch.sum(kpt_mask!=0)+torch.sum(kpt_mask==0))/torch.sum(kpt_mask!=0) lkpt+=kpt_loss_factor*((1-torch.exp(-d/(s*(4*sigmas**2)+1e-9)))*kpt_mask).mean()

相關(guān)性能如下：

yolov7-pose

上個星期，YOLOv7的作者也放出了關(guān)于人體關(guān)鍵點檢測的模型，該模型基于YOLOv7-w6，

目前作者提供了.pt文件和推理測試的腳本，有興趣的童靴可以去看看，本文的重點更偏向于對yolov7-pose.pt進行onnx文件的抽取和推理。

【yolov7-pose + onnxruntime】

首先下載好官方的預(yù)訓(xùn)練模型，使用提供的腳本進行推理：

%weigths=torch.load('weights/yolov7-w6-pose.pt') %image=cv2.imread('sample/pose.jpeg') !pythonpose.py

一、yolov7-w6 VS yolov7-w6-pose

1. 首先看下yolov7-w6使用的檢測頭

• 表示一共有四組不同尺度的檢測頭，分別為15×15,30×30,60×60,120×120，對應(yīng)輸出的節(jié)點為114,115,116,117
• nc對應(yīng)coco的80個類別
• no表示

2. 再看看yolov7-w6-pose使用的檢測頭：

• 代表person一個類別
• nkpt表示人體的17個關(guān)鍵點

使用以下命令進行抽?。?/span>

pythonexport.py--weights'weights/yolov7-w6-pose.pt'--img-size960--simplifyTrue 抽取后的onnx檢測頭：三、onnxruntime推理onnxruntime推理代碼：

importonnxruntime importmatplotlib.pyplotasplt importtorch importcv2 fromtorchvisionimporttransforms importnumpyasnp fromutils.datasetsimportletterbox fromutils.generalimportnon_max_suppression_kpt fromutils.plotsimportoutput_to_keypoint,plot_skeleton_kpts device=torch.device("cpu") image=cv2.imread('sample/pose.jpeg') image=letterbox(image,960,stride=64,auto=True)[0] image_=image.copy() image=transforms.ToTensor()(image) image=torch.tensor(np.array([image.numpy()])) print(image.shape) sess=onnxruntime.InferenceSession('weights/yolov7-w6-pose.onnx') out=sess.run(['output'],{'images':image.numpy()})[0] out=torch.from_numpy(out) output=non_max_suppression_kpt(out,0.25,0.65,nc=1,nkpt=17,kpt_label=True) output=output_to_keypoint(output) nimg=image[0].permute(1,2,0)*255 nimg=nimg.cpu().numpy().astype(np.uint8) nimg=cv2.cvtColor(nimg,cv2.COLOR_RGB2BGR) foridxinrange(output.shape[0]): plot_skeleton_kpts(nimg,output[idx,7:].T,3) #matplotlibinline plt.figure(figsize=(8,8)) plt.axis('off') plt.imshow(nimg) plt.show() plt.savefig("tmp") 在這里插入圖片描述推理效果幾乎無損，但耗時會縮短一倍左右，另外有幾個點：

• image = letterbox(image, 960, stride=64, auto=True)[0] 中stride指的是最大步長，yolov7-w6和yolov5s下采樣多了一步，導(dǎo)致在8，16，32的基礎(chǔ)上多了64的下采樣步長
• output = non_max_suppression_kpt(out, 0.25, 0.65, nc=1, nkpt=17, kpt_label=True) ，nc 和 kpt_label 等信息在netron打印模型文件時可以看到
• 所得到的onnx相比原半精度模型大了將近三倍，后續(xù)排查原因
• yolov7-w6-pose極度吃顯存，推理一張960×960的圖像，需要2-4G的顯存，訓(xùn)練更難以想象

審核編輯 ：李倩