文 | BFT机器人
YOLO-NAS姿态模型是对姿态估计领域的最新贡献。今年早些时候，Deci凭借其开创性的物体检测基础模型YOLO-NAS获得了广泛认可。在YOLO-NAS成功的基础上，该公司现在推出了YOLO-NAS Pose作为其姿态估计的对应产品，这种姿势模型在延迟和准确性之间提供了很好的平衡。
YOLO-NAS姿势
姿态估计在计算机视觉中起着至关重要的作用，涵盖了广泛的重要应用。这些应用包括监测医疗保健中的患者运动、分析运动员在运动中的表现、创建无缝的人机界面以及改进机器人系统。
01
YOLO-NAS姿态模型架构
2.1 基于规划空间的分类及特点
传统的姿态估计模型遵循以下两种方法之一：
-
检测场景中的所有人物，然后估计其关键点并创建姿势，自上而下的两阶段过程；
-
检测场景中的所有关键点&#
原文链接：https://blog.csdn.net/Hinyeung2021/article/details/135286825?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522c201d6addbe8a9824139a43071dd5c93%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=c201d6addbe8a9824139a43071dd5c93&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-17-135286825-null-null.nonecase&utm_term=%E6%9E%81%E7%A9%BA%E9%97%B4nas
