本项目是基于Paddle的手势21个关键点检测
本项目是基于原项目进行改进,感谢作者的贡献
- 增加摄像头识别模块
- 增加新的 backbone
- 待补充
- 手部 21 关键点检测
-
Python >= 3.7
-
Paddle >= 2.0.2
-
OpenCV-Python
本项目所用数据集包括网络图片以及 Large-scale Multiview 3D Hand Pose Dataset 数据,由原作者筛选动作重复度低的部分图片,其数据集的出处 handpose_x
本项目模型由原作者训练的模型权重转过来
- ReXNet V1
- ResNet18 / 34 / 50
- ShuffleNet V2
- RepVGG
后续将支持更多的模型以及vit、mlp等新的模型
clone项目到本地,注意脚本的相关配置
- 模型训练
下载数据集后解压放入项目目录下,文件结构如下
handpose_x-paddle
├─handpose_datasets_v1 # 数据集
├─hand_data_iter # 数据读取
├─image # 测试图像
├─loss # 损失函数
├─models # 模型
└─utils
然后在handpose_x-paddle
目录下运行
python train.py
note :训练的各种参数,注意在脚本寻找,此处用默认训练参数
- 模型推理
下载预训练权重,放入handpose_x-paddle/weights
目录下,然后运行
python inference.py
会看到当前目录下产生output
文件夹,iamge
里面的测试图片将通过推理保存在此
- 开始摄像头
python camera.py