复现知乎大佬mmpose中的shufflenetv2+deeppose的方法

一、复现知乎

万字长文 | 手把手教你优化轻量姿态估计模型（算法篇） - 知乎 (zhihu.com)

自己根据大佬教程，复现shufflenetv2+deeppsoe 的regression方法：

首先对比shufflenetv2_heatmap 与resenet50_deeppose的config：

最主要的区别在于model的配置：

Shufflenet 基于mmcls的预训练模型，resnet为pytorch 预训练模型。

Keypoint_head的区别。

Inchannels 不同。

损失函数heatmap 方法使用MSELOSS，而regression使用SmoothL1LOSS。

因此将Shufflenet的config配置文件中的model改为如下图所示，其他配置参看考resnet50 的topdown和regression的差异：

需要添加avrgpolling层。

转onnx测试，转之前修改代码

tools/deployment/pytorch2onnx.py 中的

parser.add_argument('checkpoint', help='checkpoint file')

修改为

parser.add_argument('--checkpoint', default=None, required=False, help='checkpoint file')

再执行：

python tools/deployment/pytorch2onnx.py configs/body/2d_kpt_sview_rgb_img/deeppose/mpii/shufflenetv2_mpii_256x256.py --shape 1 3 256 256

成功后并通过命令行查看

python -m onnxsim tools\deployment\tmp.onnx tmp-sim.onnx

 和大佬的模型参数一致

训练模型：这里训练了10个迭代