Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
huijun110
handpose_x
提交
2ed99294
handpose_x
项目概览
huijun110
/
handpose_x
与 Fork 源项目一致
Fork自
DataBall / handpose_x
通知
1
Star
1
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
handpose_x
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
2ed99294
编写于
3月 12, 2021
作者:
DataBall
🚴🏻
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update
上级
49e6da01
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
13 addition
and
3 deletion
+13
-3
README.md
README.md
+10
-2
train.py
train.py
+3
-1
未找到文件。
README.md
浏览文件 @
2ed99294
...
...
@@ -27,6 +27,7 @@
*
以下是对书上狗的图片进行分类识别的样例,同学们可以根据自己对应的物体识别分类需求替换对应的分类识别模型即可。
![
recoobj_book
](
https://codechina.csdn.net/EricLee/handpose_x/-/raw/master/samples/recobj_book.gif
)
*
[
该Demo完整视频
](
https://www.bilibili.com/video/BV1nb4y1R7Zh/
)
该物体识别分类项目的地址为: https://codechina.csdn.net/EricLee/classification
...
...
@@ -49,7 +50,7 @@
建议最好还是通过分类模型做静态手势识别鲁棒和准确高,目前局限于静态手势训练集的问题用二维约束关系定义静态手势替代。
![
ocrreco
](
https://codechina.csdn.net/EricLee/handpose_x/-/raw/master/samples/ocrreco.gif
)
*
[
该Demo完整视频
](
https://www.bilibili.com/video/BV1Bb4y1R7sd/
)
## 项目配置
### 1、软件
...
...
@@ -73,8 +74,15 @@
*
如果使用该数据集并发布相关项目或网络资源文章等,请讲述其数据集的出处 "https://codechina.csdn.net/EricLee/handpose_x"
*
数据集读取脚本为:read_datasets.py,并需要相应更改脚本中的数据集路径。
## 模型
### 1、目前支持的模型
-
[x] resnet18 resnet34 resnet50 resnet101
-
[x] squeezenet1_0 squeezenet1_1
-
[x] ShuffleNet ShuffleNetV2
-
[x] MobileNetV2
##
预训练模型
##
# 2、
预训练模型
*
[
预训练模型下载地址(百度网盘 Password: 99f3 )
](
https://pan.baidu.com/s/1Ur6Ikp31XGEuA3hQjYzwIw
)
...
...
train.py
浏览文件 @
2ed99294
...
...
@@ -14,7 +14,7 @@ from utils.model_utils import *
from
utils.common_utils
import
*
from
hand_data_iter.datasets
import
*
from
models.resnet
import
resnet50
,
resnet101
from
models.resnet
import
resnet
18
,
resnet34
,
resnet
50
,
resnet101
from
models.squeezenet
import
squeezenet1_1
,
squeezenet1_0
from
models.shufflenetv2
import
ShuffleNetV2
from
models.shufflenet
import
ShuffleNet
...
...
@@ -37,6 +37,8 @@ def trainer(ops,f_log):
if
ops
.
model
==
'resnet_50'
:
model_
=
resnet50
(
pretrained
=
True
,
num_classes
=
ops
.
num_classes
,
img_size
=
ops
.
img_size
[
0
],
dropout_factor
=
ops
.
dropout
)
elif
ops
.
model
==
'resnet_18'
:
model_
=
resnet18
(
pretrained
=
True
,
num_classes
=
ops
.
num_classes
,
img_size
=
ops
.
img_size
[
0
],
dropout_factor
=
ops
.
dropout
)
elif
ops
.
model
==
'resnet_34'
:
model_
=
resnet34
(
pretrained
=
True
,
num_classes
=
ops
.
num_classes
,
img_size
=
ops
.
img_size
[
0
],
dropout_factor
=
ops
.
dropout
)
elif
ops
.
model
==
'resnet_101'
:
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录