消息！ 2020年8月： 发布了！ 更强大的追踪！ 包括全身（脸，手，脚）要点！ 现在可用。 2019年12月：AlphaPose 发布了！ 较小的型号，更高的精度！ 2019年4月：发布的AlphaPose！ 在COCO验证集上，它以23 fps的速度运行。 2019年2月： 集成到现在AlphaPose！ 2018年12月：了PoseFlow的！ 3倍更快，支持姿态跟踪结果可视化！ 2018年9月： 发布了！ 它在COCO验证集上以20 fps的速度运行（平均每张图像4.6人），并达到71 mAP！ AlphaPose 是一种精确的多人姿势估计器，它是第一个开源系统，在COCO数据集上达到70+ mAP（75 mAP），在MPII数据集上达到80+ mAP（82.1 mAP）。 为了在帧中匹配与同一个人相对应的姿势，我们还提供了一种称为Pose Flow的高效在线姿势跟踪

Skeleton3D：3D 二元体积的平行中轴细化此代码计算任意 3d 二进制体积的 3D 中轴骨架。 它是 [1] 中描述的同伦细化算法的优化 MATLAB 实现。 我们开发它是为了量化骨骼中的细胞过程网络 [2]，但它应该适用于任何管状或丝状结构的图像。 包含一个示例卷 (testvol.mat) 以及示例脚本 (Test_Skeleton3D.m)。 非常欢迎任何意见、更正或建议。 用法： 骨架 = Skeleton3D(bin) 其中“bin”是一个 3D 二值图像，“skel”只包含骨架体素的结果图像，或skel = Skeleton3D(bin,mask) 从骨架化中屏蔽'mask'中的所有前景体素，例如保留图像体积中的某些结构。 对于额外的清理，例如修剪短分支，请使用我在 MATLAB File Exchange 上的 Skel2Graph3D 包。 此代码的灵感来自

matlab清理代码framework3D-matlab：3D二进制体积的平行中间轴细化 此代码计算任意3d二进制体积的3D中轴骨架。 它是[1]中描述的同位稀疏算法的优化MATLAB实现。 我们开发了它来量化骨骼中细胞过程的网络[2]，但它应该在任何管状或丝状结构的图像上起作用。 包含示例卷（testvol.mat）和示例脚本（Test_Skeleton3D.m）。 任何意见，更正或建议都非常欢迎。 用法： skel = Skeleton3D(bin) 其中“ bin”是3D二进制图像，而“ skel”仅包含骨架体素的结果图像，或者 skel = Skeleton3D(bin,mask) 从骨架中掩盖“蒙版”中的所有前景体素，例如保留图像体积中的某些结构。 要进行其他清理，例如修剪短分支，请在MATLAB File Exchange上使用我的Skel2Graph3D包。 该代码受Hanno Homann [3]的ITK实现和Ignacio Arganda-Carreras [4]的Fiji / ImageJ插件的启发。 如果您在自己的作品中包含此内容，请引用我们的publicaton

matlab精度检验代码Skeleton2D3D 在以下论文中复制结果的代码： 此仓库与和一起保存以下代码中用于重现结果的代码： 从静态图像预测人类动态赵玉伟，杨集美，布莱恩·普莱斯，斯科特·科恩，贾登2017年IEEE计算机视觉和模式识别会议（CVPR） 请查看以获取更多详细信息。 角色 此仓库的作用是实施训练步骤2 （第3.3节），即预训练3D骨架转换器以从2D热图恢复3D关节位置。 稍后将其用于在训练步骤3 （第3.3节）（即训练整个系统）中初始化3D骨架转换器子网络。 引用Skeleton2D3D 如果它有助于您的研究，请引用Skeleton2D3D： @INPROCEEDINGS{chao:cvpr2017, author = {Yu-Wei Chao and Jimei Yang and Brian Price and Scott Cohen and Jia Deng}, booktitle = {Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition}, title = {

Keras中的两流CNN工具 在的基于骨架的动作识别中，提出了两流CNN，用于基于骨架的动作识别。 它将骨架序列映射到图像（坐标x，y，z到图像R，G，B）。 他们专门设计了骨架变压器模块，以自动重新排列和选择重要的骨架关节。 要求 Python3 凯拉斯 h5py matplotlib 麻木 网络架构 该网络主要由Skeleton Transformer ， ConvNet ， Feature Fusion和Classification四个模块组成。 两个流的输入分别是原始数据（x，y，z）和帧差。 如下图所示： 用法 function / data_generator.py ：生成两个流的输入numpy数组 layer / transformer ：Keras中的Skeleton Transformer工具层 网络/ ：褶皱有四只苍蝇，具有不同的特征融合方式 结果 模型 准确度（

AutoSkeleton 类似Facebook和Alipay的骨架加载loading动画库, 自动识别“骨骼”，自动绘制

kinetics-skeleton\kinetics_train_label.json + kinetics-skeleton\kinetics_val_label.json

kinetics-skeleton训练集。太大了，拆成十个上传。

kinetics-skeleton训练集。太大了，拆成十个上传。

kinetics-skeleton训练集。太大了，拆成十个上传。