分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow

也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！

本目錄下的程式碼贏得了2016年MSCOCO關鍵點挑戰賽以及2016年ECCV最佳演示獎，並發表在2017年CVPR的口頭論文(Oral Paper）中。

　　演示視訊：

　　在論文中，我們提出了一種自下而上的方法進行多人姿態估計，這種方法不需要任何行人檢測的演算法。

　　論文地址：https://arxiv.org/abs/1611.08050

　　實驗結果

　　測試C ++（實時版本，用於演示）

• 按照說明，使用我們改動後的Caffe。

　　改動後caffe地址：https://github.com/CMU-Perceptual-Computing-Lab/caffe_rtpose

• 三種輸入選項：影象，視訊，網路攝像機

　　Matlab（較慢，用於COCO評估）

　　·相容一般的Caffe，但需要編譯matcaffe。

　　·執行

　　cd testing

　　get_model.sh

　　從我們的Web伺服器檢索最新的MSCOCO模型。

• 更改config.m中的caffe 地址並執行demo.m例程。

　　Pythoncd testing / python

　　ipython notebook

• 開啟demo.ipynb 並執行程式碼

　　訓練網路結構

　　訓練步驟

• 執行

　　cd training

　　bash getData.sh

　　得到 dataset/COCO/images/ 資料夾下的資料集COCO，關鍵點資訊在 dataset/COCO / annotations / 資料夾中，COCO官方工具箱在資料夾 dataset/ COCO / coco / 下。

　　·在 matlab 中執行 getANNO.m，在dataset/COCO/mat/將標註格式從 json 轉換為 mat。

　　·在 matlab 中執行 genCOCOMask.m，得到無標籤人的掩碼影象。並且，在 matlab 中可以使用'parfor'（平行計算）來加速程式碼。

　　·執行genJSON('COCO')，在 dataset/COCO/json/中生成一個 json 檔案。 json 檔案包含訓練所需的原始資訊。

　　·執行python genLMDB.py 生成 COCO 資料庫的 LMDB 檔案，也可以執行如下程式碼：

　　bashget_lmdb.sh

　　得到已經生成好的LMDB檔案

　　·下載改動後的caffe，編譯 pycaffe。他將與 caffe_rtpose（用於測試）合併。

　　·執行

　　pythonsetLayers.py —exp 1

　　生成用於訓練的prototxt和指令碼檔案。

• 下載VGG-19模型。利用此模型初始化前10層網路引數。

　　模型地址： https://gist.github.com/ksimonyan/3785162f95cd2d5fee77

• 執行

　　bash train_pose.sh 0,1

　　由setLayers.py生成，開始使用兩個GPU進行訓練。

　　相關論文：https://github.com/shihenw/convolutional-pose-machines-release

　　點選閱讀原文跳轉Github資源

給我老師的人工智慧教程打call！http://blog.csdn.net/jiangjunshow