本文主要是介绍FacePose — pytorch 代码运行测试，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 前言
- 一、环境配置
- （一）框架：
- 二、运行详细步骤
- 1.资源配置
- 2.参数配置
- 总结
前言
上次虽然成功跑出了FSA-Net的代码，但是数据可视化的部分并没有复现，本着上GitHub上寻找一下作者的可视化线索，结果在评论里发现了另一位名为 WIKI 分享的头部姿态检测的模型，试着下载下来跑了一下，发现效果还是比较理想的；按照作者的说法，算法已经应用于以下两个方面：- 儿童在线教育，用于识别儿童是否认真听讲;
- 现场会议或学校课堂，以判断演讲质量。
不过你把这活都干了，我不就失业了吗？？？真好
一、环境配置
（一）框架：
资源地址
配置：Win 10 + Pycharm + Anconada
这个配置好后，基本就完成了一半工作；
查看提示，可需要下载Anconda3 + python3.7 版本以上，由于之前已经配置过相关环境，这里不多赘述。
然后需要下载 numpy，opencv-python两个包，直接在pycharm终端里下载：
pip install numpy
pip install opencv-python
需要注意的是，在这之前要把python解释器更换为Anconda环境，在此基础上下载才会更新环境配置，这边 opencv-python 包在 + 中是搜索不到的，只能 pip 下载：
接着，还需要下载torch库，这里我们直接下载最新版本的 torch 库即可，下载的同时会自动将 torchvison 也下载下来,这里向下兼容，跑代码不会出现问题，相反，如果下载1.4.0版本，可能会报错：
“ could not find a version that satisfies the requirement torch…”
可按照以下步骤执行：
- 打开Pytorch官网，下拉到图示部位，选择相关配置,根据自己电脑的CUDA版本号选择最后一行的配置，复制图中的 pip 语句，在pycharm 终端里直接执行：
大概需要下载 3 G左右的资源，下载完成后，在python解释器里会更新环境，这时就配置好了所有需要的环境：
二、运行详细步骤
1.资源配置
此时打开项目，应该出现如图所示的文件，作者的提示中说道，还需要下载一个emoil模型，作者放出的网盘地址可能已经失效了，这里放一个备份版：
百度网盘连接
提取码：gudj
下载下来后放在 checkpiont 文件目录下即可。
2.参数配置
目前的代码可执行的程序有两个，一个emontion.py, 用来预测图片中的人物情绪信息，另一个是vedio.py, 用来动态显示视频中人物的三个角度（yaw，pitch, roll）的信息；
先从emotion说起，打开运行，编辑配置，
作如上修改，其中 ./img/suprised.jpg 是图片存放的相对路径，我们可以自己将图片存放到 img 文件下来进行尝试。运行后程序输出对图片中表情的预判：
图片：
输出结果：
据作者自己介绍，头部偏转的准确率的误差在三度以内：
video运行：
同上，编辑配置，将参数改为自己的视频路径。最好放在video文件夹里，这样相对路径可以识别，否则需要自己改绝对路径。
作者的方法同样是单人头部偏转检测，本来我还很纠结去哪找单人视频，还要面部clear的，后来我灵光炸蹦，单人，视频，这不是抖音吗？
运行结果如下：
帅气 ！！！！！
总结
有待改进的空间是对数据进行预处理，以及如何从多人场景中分离出单人，或者直接应用到多人检测上…
这篇关于FacePose — pytorch 代码运行测试的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
