README

 
  
    OpenMMLab 官网
    
      
        HOT
      
    
        
    OpenMMLab 开放平台
    
      
        TRY IT OUT
      
    
  
   










📘文档 |
🛠️安装 |
👀模型库 |
📜论文库 |
🆕更新日志 |
🤔报告问题 |
🔥RTMPose




  
    
  
  
    
  
  
    
  
  
    
  
  
    
  
  
    


 Introduction

English | 简体中文

MMPose 是一款基于 PyTorch 的姿态分析的开源工具箱，是 OpenMMLab 项目的成员之一。

主分支代码目前支持 PyTorch 1.8 以上的版本。

https://user-images.githubusercontent.com/15977946/124654387-0fd3c500-ded1-11eb-84f6-24eeddbf4d91.mp4


主要特性

- 支持多种人体姿态分析相关任务

  MMPose 支持当前学界广泛关注的主流姿态分析任务：主要包括 2D多人姿态估计、2D手部姿态估计、2D人脸关键点检测、133关键点的全身人体姿态估计、3D人体形状恢复、服饰关键点检测、动物关键点检测等。
  具体请参考 功能演示。

- 更高的精度和更快的速度

  MMPose 复现了多种学界最先进的人体姿态分析模型，包括“自顶向下”和“自底向上”两大类算法。MMPose 相比于其他主流的代码库，具有更高的模型精度和训练速度。
  具体请参考 基准测试（英文）。

- 支持多样的数据集

  MMPose 支持了很多主流数据集的准备和构建，如 COCO、 MPII 等。 具体请参考 数据集。

- 模块化设计

  MMPose 将统一的人体姿态分析框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的人体姿态分析模型。

- 详尽的单元测试和文档

  MMPose 提供了详尽的说明文档，API 接口说明，全面的单元测试，以供社区参考。



 最新进展

- 发布了 RTMW3D, 一个 3D 全身姿态估计的实时模型。

- 发布了单阶段实时多人姿态估计模型 RTMO。相比 RTMPose 在多人场景下性能更优

  !rtmo

- 发布了不同尺寸的 RTMW 模型，满足不同的使用场景。模型尺寸覆盖从 RTMW-m 到 RTMW-x 的模型，输入图像尺寸包含 256x192 和 384x288

- 支持了 PoseAnything 的推理。在线试玩

- 我们支持了新的数据集:

  - (ICCV 2015) 300VW

- 欢迎使用 MMPose 项目。在这里，您可以发现 MMPose 中的最新功能和算法，并且可以通过最快的方式与社区分享自己的创意和代码实现。向 MMPose 中添加新功能从此变得简单丝滑：

  - 提供了一种简单迅捷的方式，将新的算法、功能和应用添加到 MMPose 中
  - 更灵活的代码结构和风格，更少的限制，更简短的代码审核流程
  - 通过独立项目的形式，利用 MMPose 的强大功能，同时不被代码框架所束缚
  - 最新添加的项目包括：
    - RTMPose
    - RTMO
    - PoseAnything
    - YOLOX-Pose
    - MMPose4AIGC
    - Simple Keypoints
    - Just Dance
    - Uniformer
  - 从简单的 示例项目 开启您的 MMPose 代码贡献者之旅吧，让我们共同打造更好用的 MMPose！



- 2024-01-04：MMPose v1.3.0 正式发布了，主要更新包括:

  - 支持新数据集：ExLPose、H3WB
  - 发布 RTMPose 系列新模型：RTMO、RTMW
  - 支持新算法 PoseAnything
  - 推理器 Inferencer 支持可选的进度条、提升与单阶段模型的适配性

  请查看完整的 版本说明 以了解更多 MMPose v1.3.0 带来的更新!

 0.x / 1.x 迁移

MMPose v1.0.0 是一个重大更新，包括了大量的 API 和配置文件的变化。目前 v1.0.0 中已经完成了一部分算法的迁移工作，剩余的算法将在后续的版本中陆续完成，我们将在这个 Issue 页面 中展示迁移进度。

如果您使用的算法还没有完成迁移，您也可以继续使用访问 0.x 分支 和 旧版文档

 安装

关于安装的详细说明请参考安装文档。

 教程

我们提供了一系列简明的教程，帮助 MMPose 的新用户轻松上手使用：

1. MMPose 的基本使用方法：

   - 20 分钟上手教程
   - Demos
   - 模型推理
   - 配置文件
   - 准备数据集
   - 训练与测试
   - 模型部署
   - 模型分析工具
   - 数据集标注与预处理脚本

2. 对于希望基于 MMPose 进行开发的研究者和开发者：

   - 编解码器
   - 数据流
   - 实现新模型
   - 自定义数据集
   - 自定义数据变换
   - 自定义指标
   - 自定义优化器
   - 自定义日志
   - 迁移指南

3. 对于希望加入开源社区，向 MMPose 贡献代码的研究者和开发者：

   - 参与贡献代码

4. 对于使用过程中的常见问题：

   - FAQ

 模型库

各个模型的结果和设置都可以在对应的 config（配置）目录下的 README.md 中查看。
整体的概况也可也在 模型库 页面中查看。


支持的算法

- [x] DeepPose (CVPR'2014)
- [x] CPM (CVPR'2016)
- [x] Hourglass (ECCV'2016)
- [x] SimpleBaseline3D (ICCV'2017)
- [ ] Associative Embedding (NeurIPS'2017)
- [x] SimpleBaseline2D (ECCV'2018)
- [x] DSNT (ArXiv'2021)
- [x] HRNet (CVPR'2019)
- [x] IPR (ECCV'2018)
- [x] VideoPose3D (CVPR'2019)
- [x] HRNetv2 (TPAMI'2019)
- [x] MSPN (ArXiv'2019)
- [x] SCNet (CVPR'2020)
- [ ] HigherHRNet (CVPR'2020)
- [x] RSN (ECCV'2020)
- [x] InterNet (ECCV'2020)
- [ ] VoxelPose (ECCV'2020)
- [x] Lite