YOLOV8关键点检测-用训练得到的模型预测图像、视频、摄像头画面

合集 · 两天搞定人工智能毕业设计之【关键点检测】 (14)

  1. 1:24
    中医+人工智能黑科技:耳朵穴位经络图像识别
  2. 46:14
    标注关键点检测数据集
  3. 19:54
    关键点检测数据集-Labelme格式转YOLO格式
  4. 25:28
    关键点检测数据集-Labelme格式转MS COCO格式
  5. 36:04
    YOLOV8关键点检测-预训练模型预测
  6. 50:36
    YOLOV8关键点检测-训练自己的关键点检测模型
  7. 34:15
    YOLOV8关键点检测-用训练得到的模型预测图像、视频、摄像头画面
  8. 18:07
    YOLOV8关键点检测-预测源码解读
  9. 21:24
    YOLOV8关键点检测-ONNX Runtime部署
  10. 1:01
    玩转MMPose人体姿态估计关键点检测
  11. 33:02
    开源姿态估计算法库MMPose
  12. 15:42
    RTMPose关键点检测-安装MMDetection和MMPose
  13. 19:43
    RTMPose关键点检测-MMDetection三角板目标检测
  14. 17:52
    RTMPose关键点检测-训练、评估、推理预测
Description
【同济子豪兄-两天带你搞定关键点检测毕业设计全流程】
“关键点检测”(Keypoint Detection)是计算机视觉解决的基础核心任务之一:从图像中识别出带语义的点,并输出点的坐标。关键点检测全流程包括:标注数据集、训练深度学习算法、评估性能、推理预测、应用部署。
代码教程:https://github.com/TommyZihao/Train_Custom_Dataset

本集视频,用上一讲训练得到的关键点检测YOLOV8模型,分别对单张图像、视频文件、摄像头实时画面,运行推理预测。通过命令行、Python API两种方式,获得预测结果,并可视化预测结果。

本讲用的模型仍然是原生Pytorch模型,没有经过专门的轻量化处理、加速和优化,也没有针对性部署在推理引擎和硬件平台,后续将会单独讲解模型部署,加速推理速度。