我已经尝试了许多用于姿势估计的不同机器学习模型。它们中的大多数为图像中检测到的人输出热图和偏移量。我真的很喜欢这里的多姿态估计模型的性能/准确性。
我接下来想做的是创建一个类似于这个的模型，除了它应该标记检测到的人的每个姿势。有多种不同的实现caffe/pytorch/tensorflow可供选择。我已经考虑过如何解决这个问题，并且我想到了几种不同的方法：
我想在这里走阻力最小的道路，但我也关心收集/处理数据所需的时间，最重要的是模型的准确性/性能。是否有经验丰富的机器学习/数据科学家回答以下问题？
我曾研究过类似的物体检测问题。所以，我的建议是迁移学习。
i) 最佳方法是使用迁移学习。它使我们能够以节省时间的方式构建准确的模型。使用迁移学习，您无需从头开始学习过程，而是从解决不同问题时学到的模式开始. 通过这种方式，您可以利用以前的知识，避免从头开始。
预训练模型是在大型基准数据集上训练的模型，用于解决与我们想要解决的问题类似的问题。因此，由于训练此类模型的计算成本，通常的做法是从已发表的文献（例如 VGG、Inception、MobileNet）中导入和使用模型。
迁移学习中使用的几个预训练模型基于大型卷积神经网络 (CNN)。
当您根据自己的需要重新调整预训练模型的用途时，首先要删除原始分类器，然后添加适合您的目的的新分类器，最后您必须根据三种策略之一微调您的模型：
1.Train the model.
2.Train some layers and leave the frozen.
3.Freeze the convolutional base.
迁移学习过程的方法：
1)Select a pre-trained model.
2)Classify your problem according to the Size-Similarity Matrix.
3)Fine-tune your model.
ii) Tensorflow 提供了一个名为PoseNet的视觉模型。
PoseNet 是一种视觉模型，可用于通过估计关键身体关节的位置来估计图像或视频中人的姿势。从这里您可以冻结模型并对其进行微调。orelse 你可以使用其他预训练的图像模型（例如 mobilenet 、 resnet）。
iii）直接从原始图像中进行的估计首先要求您识别或检测人，因此它依赖于另一个模型。