Характеристики

Лицензия: Своя лицензия
Опубликована: 20 авг 2026

Ссылки

Hugging Face

rtmpose-l-h36m-384x288

charlesjvt

Классификация и разметка

Дообученный на Human3.6M детектор RTMPose-l для оценки 2D-позы человека по изображению.

0скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RTMPose-l-H36M — модель обнаружения 2D-ключевых точек человека, разработанная авторами репозитория для бенчмарков Human3.6M и используемая Kineo. Это дообученная на Human3.6M версия RTMPose-l с архитектурой CSPNeXt-l и RTMCCHead, использующей SimCC. Модель принимает изображение размером 384×288 и предсказывает 17 ключевых точек в раскладке COCO.

Модель предназначена для оценки позы человека на изображениях и экспериментов с бенчмарком Human3.6M. В репозитории указаны веса PyTorch и конфигурация MMPose; в метаданных также отмечен формат ONNX. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и файлами репозитория.

Сценарии применения

оценка 2D-позы человека на изображениях
извлечение 17 ключевых точек тела в раскладке COCO
запуск бенчмарков Human3.6M
инференс оценки позы через MMPose или ONNX

Ограничения

Модель ориентирована на 2D-ключевые точки человека и входное разрешение 384×288; сведения о точности за пределами бенчмарка Human3.6M не приведены. Лицензия указана как other, поэтому перед использованием нужно проверить её конкретные условия.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RTMPose-l fine-tuned on Human3.6M (384x288)

RTMPose-l 2D keypoint detector fine-tuned on Human3.6M, used by Kineo for the Human3.6M benchmarks.

Files

rtmpose_h36m.pth — checkpoint (state_dict + ema_state_dict)
rtmpose-l_8xb256-420e_h36m-384x288.py — MMPose training/inference config

Details


Architecture	RTMPose-l (CSPNeXt-l + RTMCCHead, SimCC)
Input size	384x288
Keypoints	17 (COCO layout)
Dataset	`Human36mCocoDataset`, `h36m_train_coco_10fps.json`
Initialised from	`rtmpose-l_simcc-aic-coco_pt-aic-coco_420e-384x288-97d6cb0f_20230228.pth`
Epoch	104 (best `coco/AP` of that run; 420-epoch schedule stopped early)
`coco/AP` on `h36m_test_coco_10fps.json`	0.9667
Training run	`rtmpose-l_8xb256-420e_h36m-384x288_20250409_090631`, seed 21

Usage

from mmpose.apis import init_model

model = init_model(
    "rtmpose-l_8xb256-420e_h36m-384x288.py",
    "rtmpose_h36m.pth",
    device="cuda:0",
)

License

Research and evaluation use only; commercial use or redistribution requires prior written consent. Contact: guillaume.lavoue@enise.ec-lyon.fr

Human3.6M is subject to its own license — see http://vision.imar.ro/human3.6m/.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 7f780e4