开源地址: https://github.com/TexasInstruments/edgeai-yolov5/tree/yolo-pose

导读：
前不久看到一则新闻，YOLO之父Joseph Redmon离开CV界，原因是受不了道德的谴责，该技术已被用在军事和隐私问题上。最近，YOLO又火了，YOLOv7在速度和精度的平衡上达到了最佳水平。而基于YOLOv5的YOLOPose也在人体姿态估计领域取得了端到端领先的性能。本篇记录复现YOLOPose的过程，与代码解读。

一、设置

1.1 克隆仓库，安装依赖库，检查Pytorch和GPU。

!git clone https://github.com/ultralytics/yolov5  # clone repo
#YOLO-Pose分支无法克隆，直接下载zip包即可；
%cd edge-yolov5-yolo-pose/
%pip install -r requirements.txt  # install dependencies

import torch
from IPython.display import Image, clear_output  # to display images

clear_output()
print(f"Setup complete. Using torch {
      torch.__version__} ({
      torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")

Setup complete. Using torch 1.9.1+cu101 (Tesla V100-SXM2-16GB)

如果pytorch版本不对，会出现下列问题：

AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
#https://blog.csdn.net/qq_40280673/article/details/125095353

#正确的版本
pip install torch==1.9.1
pip install torchvision==0.10.1

本地conda环境下运行，(pytorch-cifar) [email protected]:edgeai-yolov5-yolo-pose$ pip install torch==1.9.1

二、推理

2. 1 下载训练好的YOLO和YOLOPose模型;

(pytorch-cifar) [email protected]:edgeai-yolov5-yolo-pose$ ./weights/download_weights.sh
由于直接打开链接下载，会出现格式错误，这里推荐命令行下载：

wget http://software-dl.ti.com/jacinto7/esd/modelzoo/gplv3/08_02_00_11/edgeai-yolov5/pretrained_models/checkpoints/keypoint/coco/edgeai-yolov5/other/best_models/yolov5s6_640_57p5_84p3_kpts_head_6x_dwconv_3x3_lr_0p01/weights/last.pt

#此处下载Yolov5s6_pose_960

2.2 准备数据

数据集需要准备成YOLO格式，因为数据加载需要同时读取关键点和位置框的信息。有专门的代码库可以产生所需要的格式，见https://github.com/ultralytics/JSON2YOLO 。由于作者已经把coco keypoints转换成所需的格式，直接去下载附件包即可。并且将数据集软连接到所需要文件夹中，文件夹目录如下所示：

edgeai-yolov5
│   README.md
│   ...   
│
coco_kpts
│   images
│   annotations
|   labels
│   └─────train2017
│       │       └───
|       |       └───
|       |       '
|       |       .
│       └─val2017
|               └───
|               └───
|               .
|               .
|    train2017.txt
|    val2017.txt

软连接可参考如下：

(base) [email protected]:NewProjects$ ln -s ~/Datasets/coco/* coco_kpts
(base) [email protected]:coco_kpts$ rm coco

即可删除软连接

2.3 运行

真实标注如下所示：

YOLOPose实测效果，如下图所示：

放大的细节对比：

不难发现，YOLOPose在小尺度的人体检测上有亮点（如左图最右边，右图最左边）！

bug调试

ImportError: cannot import name 'amp' from 'torch.cuda' (/home/wqt/anaconda3/envs/pytorch-cifar/lib/python3.7/site-packages/torch/cuda/__init__.py)

原始conda环境下torch版本比较低，按照install requirement.txt中安装又容易出现最高版本，最好的选择是看作者推荐的版本，或者从issue中找答案。

AttributeError: Cant get attribute SPPF on module models.common

这是由于下载的yolov5分支是比较早期的，要么下载最新git，要么直接把这个类贴进去。可参考https://blog.csdn.net/Steven_Cary/article/details/120886696

总结：
想改进YOLO去提升性能，可能面临的主要麻烦有：首先，涉及的改动联动太多；其次，数据格式也需要改成YOLO格式，如果想在其他数据库上运行，先要过数据这一关，一股蛋蛋的忧桑涌上心头