共和网站建设公司/网络服务提供商

• yowov2介绍链接直达
• fastreid链接直达
• 为时空动作检测任务设计实时框架仍然是一个挑战。YOWOv2 提出了一种新颖的实时动作检测框架，利用三维骨干和二维骨干进行准确的动作检测。经过改进，YOWOv2 明显优于 YOWO，并且仍然可以保持实时检测。YOWOv2 在数据集 UCF101-24 上以超过 20 FPS 的速度实现了 87.0% 的视频帧 mAP 和 52.8% 的全视频 mAP。在数据集 AVA 上，YOWOv2 在提速 20 FPS 的同时实现了 21.7% 的视频帧 mAP。

• ui界面    含有摄像头和视频检测, 同时右侧可以选择模型, 摄像头, 和是否使用CUDA
•                                          

•  动作识别预览(弯腰和站立, 动作很多(摔倒动作,骑马动作都有, 如果需要自己训练动作,则自己制作ava数据集进行模型训练))

• 身份识别预览(左下角)身份识别 FastReID利用预训练的深度卷积神经网络（如ResNet、MobileNet等）作为基础模型，通过特征提取网络来提取图像中的行人特征。可以用来描述行人的外观特征、姿势等信息。并通过计算余弦相似度来度量在特征空间中度量行人之间的相似度。

• 

• 首先创建YOWOv2环境，分为虚拟环境和Anaconda环境两种

•  先讲使用虚拟环境的，linux上主环境的是  python3.8, 

  1 创建虚拟环境,  当前文件夹就会有一个yowov2-virtual的文件夹

  python3 -m vene yowov2-virtual

  2, 激活环境

  source yowov2-virtual/bin/activate 

  3, 安装环境(pytorch1.10.1和cuda10.2)  (这个因为是外网的,需要梯子(不然很慢))

  pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html
  

  4. 进入项目安装依赖

  pip install -r requirements.txt

  如果使用anaconda, 则

  1. 创建anaconda环境

  conda create -n yowov2-fastreid python==3.8

  2. 然后激活环境(如果activate 不行, 则试试source)

  conda activate yowov2-fastreid

  3. 与上面第三步一致  之后再运行ui_main.py 启动ui界面

详细使用信息

• 视频已经上传到b站
  • B站视频链接直达
• 闲鱼链接直达