企业官网建设流程全解析

MMPose 预训练检测模型库（MMDetection Model Zoo）完全指南：人体、手部、人脸与动物检测器的选型与使用

【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmpose

MMPose 提供demo/docs/en/mmdet_modelzoo.md作为官方检测模型清单，汇总了配合 top-down 姿态估计流水线使用的四类 bounding box 检测模型：人体、手部、人脸与动物。本指南以该模型库为骨架，结合仓库内demo/mmdetection_cfg/下的真实配置与demo/topdown_demo_with_mmdet.py推理脚本，帮助你快速完成检测器的选型、权重下载、参数解读与端到端演示运行，并掌握用 MMDetection 复现"单类检测器"的关键配置要点。

为什么 top-down 姿态估计需要一个外部检测器

MMPose 的 top-down 姿态估计流程是典型的两阶段结构：先用检测器圈出目标实例的 bounding box，再对裁剪区域进行关键点估计。检测器的质量直接决定姿态估计的输入质量——漏检会导致关键点丢失，定位不准会降低关键点精度。

仓库中的 demo/topdown_demo_with_mmdet.py 正是这一流程的完整落地：它通过init_detector+inference_detector（来自 MMDetection）得到检测结果，再通过init_pose_estimator+inference_topdown（来自 MMPose）完成关键点预测。因此运行这类 demo 前，必须先安装 mmdet（脚本入口处有assert has_mmdet, 'Please install mmdet to run the demo.'的硬性校验），并准备好一份可用的检测模型。

检测模型从哪来？两个途径：复用 MMDetection 官方 Model Zoo 的 COCO 80 类预训练模型，或使用本模型库列出的、基于特定数据集（OneHand10K、COCO-face、MacaquePose）专门训练的检测器。后者正是demo/docs/en/mmdet_modelzoo.md的核心内容，下文逐一展开。

人体检测模型：直接使用 MMDetection 的 COCO 80 类模型

对于人体 bounding box 检测，MMPose 官方不额外训练专用模型，而是直接复用 MMDetection 提供的 COCO 预训练模型。MMDetection 的模型库包含 80 个 COCO 类别的检测权重，其中已经包含了person（类别索引 0）这一类别，因此无需任何微调即可用于人体检测。

仓库在 demo/mmdetection_cfg/rtmdet_m_640-8xb32_coco-person.py 提供了一个"单类化"的人体检测配置：它以 MMDetection 的 RTMDet-m 为基座，通过bbox_head=dict(num_classes=1)把输出类别数收缩为 1，并通过metainfo=dict(classes=('person',))把类别语义锁定为 person，同时设置了test_cfg（score_thr=0.05、nms=dict(type='nms', iou_threshold=0.6)、max_per_img=100）来控制推理时的输出。对应权重为rtmdet_m_8xb32-100e_coco-obj365-person-235e8209.pth。

在 demo/docs/en/2d_human_pose_demo.md 中，人体 demo 的官方示例命令如下：

python demo/topdown_demo_with_mmdet.py \ demo/mmdetection_cfg/rtmdet_m_640-8xb32_coco-person.py \ https://download.openmmlab.com/mmpose/v1/projects/rtmpose/rtmdet_m_8xb32-100e_coco-obj365-person-235e8209.pth \ configs/body_2d_keypoint/rtmpose/body8/rtmpose-m_8xb256-420e_body8-256x192.py \ https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmpose-m_simcc-body7_pt-body7_420e-256x192-e48f03d0_20230504.pth \ --input tests/data/coco/000000197388.jpg --show --draw-heatmap \ --output-root vis_results/

若追求更快的推理速度，同一目录下的 demo/mmdetection_cfg/rtmdet_nano_320-8xb32_coco-person.py 提供了 nano 规模的人体检测配置（输入 320，deepen_factor=0.33、widen_factor=0.25），适合资源受限或对实时性要求高的场景。

手部检测模型：OneHand10K 上的两个选项

与人体不同，手部检测无法直接复用 COCO 80 类模型，因为 COCO 不包含手部类别。因此 MMPose 使用 MMDetection 在OneHand10K 数据集上专门训练了手部检测模型，官方结果如下：

手部检测在 OneHand10K 测试集上的结果（Hand detection results on OneHand10K test set）

两个模型代表两种取舍：Cascade R-CNN X-101-64x4d 精度更高（0.817），而RTMDet-nano 更轻量快速（0.760），是官方手部 demo 的默认选择。

Cascade R-CNN X-101-64x4d-FPN-1class 配置解读

demo/mmdetection_cfg/cascade_rcnn_x101_64x4d_fpn_1class.py 是完整的单类 Cascade R-CNN 配置，其关键设计点：

• backbone：ResNeXt-101-64x4d，通过init_cfg=dict(type='Pretrained', checkpoint='open-mmlab://resnext101_64x4d')加载 ImageNet 预训练权重；
• neck：FPN，in_channels=[256, 512, 1024, 2048]，out_channels=256，输出 5 层金字塔特征；
• roi_head：CascadeRoIHead，num_stages=3，stage_loss_weights=[1, 0.5, 0.25]——三个级联阶段的回归损失权重逐级衰减，这是 Cascade R-CNN 渐进式精修的标志性设计；
• 三个 bbox head 均设置num_classes=1、reg_class_agnostic=True：单类别 + 类别无关回归，配合逐级缩小的target_stds（[0.1,...]→[0.05,...]→[0.033,...]），使每一级 head 的监督目标越来越严格；
• loss：分类用CrossEntropyLoss，回归用SmoothL1Loss（beta=1.0）。

从模型文件名..._20e_...可以看出该模型按 20 epoch（20e）的训练计划产出。reg_class_agnostic=True是"1 类检测"配置的重要细节：类别无关的回归头对边界框坐标不区分类别，这对单类检测任务是合理的简化。

RTMDet-nano 手部检测配置解读

demo/mmdetection_cfg/rtmdet_nano_320-8xb32_hand.py 展示了另一种思路——从 MMDetection 的 RTMDet 大模型配置出发做轻量化改造：

• _base_ = 'mmdet::rtmdet/rtmdet_l_8xb32-300e_coco.py'：直接继承 RTMDet-L 的完整训练设置；
• 模型缩放：deepen_factor=0.33、widen_factor=0.25、use_depthwise=True，把主干与颈部压缩为 nano 级别；neck 的in_channels=[64, 128, 256]、out_channels=64、num_csp_blocks=1也随之收缩；
• 输入分辨率：input_shape = 320，训练与测试均以 320×320 为准；
• 训练数据：ConcatDataset拼接了 OneHand10K、FreiHand、RHD、HalpeHand 四个数据集的训练集（通过mmpose.OneHand10KDataset等mmpose.*数据集类型加载），测试仍用 OneHand10K 测试集——这是典型的"多源数据增强手部泛化"做法；
• 训练技巧：EMAHook（ExpMomentumEMA，momentum=0.0002）做权重滑动平均；PipelineSwitchHook在 epoch 280 时切换到train_pipeline_stage2（去掉 Mosaic、降低增强强度），这是 YOLO 系模型"大 epoch 训练后期减弱增强"的经典策略。

在 demo/docs/en/2d_hand_demo.md 中，手部 demo 的官方示例命令：

python demo/topdown_demo_with_mmdet.py \ demo/mmdetection_cfg/rtmdet_nano_320-8xb32_hand.py \ https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmdet_nano_8xb32-300e_hand-267f9c8f.pth \ configs/hand_2d_keypoint/rtmpose/hand5/rtmpose-m_8xb256-210e_hand5-256x256.py \ https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmpose-m_simcc-hand5_pt-aic-coco_210e-256x256-74fb594_20230320.pth \ --input tests/data/onehand10k/9.jpg \ --show --draw-heatmap

人脸检测模型：COCO-face 上训练的 YOLOX-s

对于人脸 bounding box 检测，MMPose 使用 MMDetection 在COCO-face数据上训练了一个YOLOX-s检测器，官方结果如下：

人脸检测在 COCO-face 测试集上的结果（Face detection results on COCO-face test set）

yolox-s_8xb8-300e_coco-face.py 这份配置的要点：

• 加载 COCO 预训练权重再微调：load_from指向 MMDetection 的yolox_s_8x8_300e_coco权重，在 COCO 检测能力基础上迁移到人脸任务；
• 主干与颈部：CSPDarknet（deepen_factor=0.33、widen_factor=0.5）+ YOLOXPAFPN，均为 YOLOX-s 的典型缩放；
• bbox_head：YOLOXHead，num_classes=1，训练用SimOTAAssigner（center_radius=2.5）做标签分配，测试时score_thr=0.01、nms=dict(type='nms', iou_threshold=0.65)；
• 训练计划：300 epochs，SGD（lr=0.01，nesterov=True），前 5 epoch 用QuadraticWarmupLR预热，随后CosineAnnealingLR衰减到 eta_min=0.0005；custom_hooks挂载了YOLOXModeSwitchHook（最后 15 epoch 关闭增强）、SyncNormHook与EMAHook；
• 数据与类别：训练/验证使用 COCO 格式的coco_face_train.json/coco_face_val.json，并显式声明metainfo=dict(CLASSES=('person',), ...)——即把"人脸"作为一个单类别来训练。

在 demo/docs/en/2d_face_demo.md 中，人脸 demo 的官方示例命令：

python demo/topdown_demo_with_mmdet.py \ demo/mmdetection_cfg/yolox-s_8xb8-300e_coco-face.py \ https://download.openmmlab.com/mmpose/mmdet_pretrained/yolo-x_8xb8-300e_coco-face_13274d7c.pth \ configs/face_2d_keypoint/rtmpose/face6/rtmpose-m_8xb256-120e_face6-256x256.py \ https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmpose-m_simcc-face6_pt-in1k_120e-256x256-72a37400_20230529.pth \ --input tests/data/cofw/001766.jpg \ --show --draw-heatmap

动物检测模型：COCO 动物类别与 Macaque 专项模型

COCO 数据集中的 10 个常见动物类别

COCO 数据集共 80 个目标类别，其中包含10 个常见动物类别（类目 id 与名称对应如下）：

(14: 'bird', 15: 'cat', 16: 'dog', 17: 'horse', 18: 'sheep', 19: 'cow', 20: 'elephant', 21: 'bear', 22: 'zebra', 23: 'giraffe')

如果检测目标属于以上类别，可以直接从 MMDetection 的 COCO 80 类模型库中挑选相应模型，然后在运行 demo 时用--det-cat-id指定目标类别的索引即可（例如--det-cat-id=15表示只保留检测结果为 'cat' 的框）。

MacaquePose 测试集上的猕猴检测结果

针对 COCO 之外的猕猴（macaque）检测，MMPose 提供了两个专门训练的模型，官方结果如下：

注意：两个模型共用同一个 cascade_rcnn_x101_64x4d_fpn_1class.py 配置文件结构，只是训练数据（OneHand10K 手部 vs MacaquePose 猕猴）不同，这正是"一份单类检测配置 + 换数据集重训"复用模式的体现。

其中 faster_rcnn_r50_fpn_1class.py 是经典的 Faster R-CNN 配置：ResNet50 主干（pretrained='torchvision://resnet50'，frozen_stages=1）、FPN 颈部、RPN +StandardRoIHead，num_classes=1；训练使用 COCO 1x schedule（total_epochs = 12，SGD lr=0.02，step 在 [8, 11] 处衰减），测试时score_thr=0.05、NMSiou_threshold=0.5、max_per_img=100。

动物 demo 示例

在 demo/docs/en/2d_animal_demo.md 中，动物姿态 demo 使用 COCO 检测器 +--det-cat-id筛选类别的官方示例：

python demo/topdown_demo_with_mmdet.py \ demo/mmdetection_cfg/rtmdet_m_8xb32-300e_coco.py \ https://download.openmmlab.com/mmdetection/v3.0/rtmdet/rtmdet_m_8xb32-300e_coco/rtmdet_m_8xb32-300e_coco_20220719_112220-229f527c.pth \ configs/animal_2d_keypoint/topdown_heatmap/animalpose/td-hm_hrnet-w32_8xb64-210e_animalpose-256x256.py \ https://download.openmmlab.com/mmpose/animal/hrnet/hrnet_w32_animalpose_256x256-1aa7f075_20210426.pth \ --input tests/data/animalpose/ca110.jpeg \ --show --draw-heatmap --det-cat-id=15

其中--det-cat-id=15表示只使用标签为 'cat' 的检测框（15 是 COCO 中 'cat' 的类别索引）；对视频输入则把--det-cat-id换成目标动物的索引即可（如 16 对应 'dog'）。其余动物（如猕猴）则使用上文的专项检测模型。

统一推理入口：topdown_demo_with_mmdet.py 参数详解

上述所有 demo 共用同一个脚本 demo/topdown_demo_with_mmdet.py，完整命令模板为：

python demo/topdown_demo_with_mmdet.py \ ${MMDET_CONFIG_FILE} ${MMDET_CHECKPOINT_FILE} \ ${MMPOSE_CONFIG_FILE} ${MMPOSE_CHECKPOINT_FILE} \ --input ${INPUT_PATH} \ [--output-root ${OUTPUT_DIR}] [--save-predictions] \ [--show] [--draw-heatmap] [--device ${GPU_ID or CPU}] \ [--bbox-thr ${BBOX_SCORE_THR}] [--kpt-thr ${KPT_SCORE_THR}]

从脚本源码（parser.add_argument部分）可以整理出完整参数表：

脚本内部的检测→姿态估计调用链也值得了解（对应process_one_image函数，见 demo/topdown_demo_with_mmdet.py）：

1. inference_detector(detector, img)得到pred_instances；
2. 按pred_instance.labels == args.det_cat_id与scores > args.bbox_thr过滤框，再用nms(bboxes, args.nms_thr)做非极大值抑制；
3. 把最终 bbox 交给inference_topdown(pose_estimator, img, bboxes)逐框估计关键点；
4. merge_data_samples合并结果后交给visualizer.add_datasample可视化。

理解这条链路后，你就能自由组合"任意 MMDetection 检测器 + 任意 MMPose 姿态模型"，而不局限于官方示例。

进阶：从这些配置学习"单类检测器"的训练要点

综合四个方向的配置，可以总结出用 MMDetection 训练"1 类检测器"（专用于姿态估计前置检测）的通用配方：

1. 输出类别收缩：把 bbox head 的num_classes改为 1，如 Cascade R-CNN 配置中的num_classes=1；对类别无关回归（reg_class_agnostic=True）可进一步简化。
2. 类别语义声明：通过metainfo=dict(CLASSES=('person',))（RTMDet 与 YOLOX 配置）或直接修改数据集元信息，把单类语义写进配置。
3. 数据来源：可以使用单一数据集（OneHand10K、COCO-face、MacaquePose），也可以用ConcatDataset拼接多个数据集（如手部配置拼接 OneHand10K + FreiHand + RHD + HalpeHand）以增强泛化。
4. 预训练迁移：无论是init_cfg=dict(type='Pretrained', checkpoint='open-mmlab://resnext101_64x4d')（主干预训练）还是load_from整个 COCO 检测权重（YOLOX 人脸配置），迁移学习都是在小数据集上快速收敛的关键。
5. 测试输出控制：test_cfg中的score_thr、NMS 的iou_threshold与max_per_img决定最终送给姿态模型的框数量与质量，应根据任务场景调参。

这些配置与权重在 demo/mmdetection_cfg/ 目录下均可直接查看与复用。

加速推理的小技巧

1. 关闭测试时的翻转增强：在姿态估计配置中设置model.test_cfg.flip_test=False（各任务的官方示例可见 2d_human_pose_demo.md、2d_animal_demo.md 等文档），可显著减少前向次数，代价是少量精度。
2. 换用更快的检测器：在检测精度可接受的前提下，把 Cascade R-CNN X-101 这类重模型换成 RTMDet-nano、RTMDet-tiny 或 YOLOX-s 等轻量模型，是 top-down 流水线最常见的提速手段——这也是模型库同时提供高精度与轻量两档选项的原因。

相关文档导航：完整的演示命令可继续查阅 2d_human_pose_demo.md、2d_hand_demo.md、2d_face_demo.md、2d_animal_demo.md；本模型的英文原版清单见 demo/docs/en/mmdet_modelzoo.md，中文版见 demo/docs/zh_cn/mmdet_modelzoo.md。

【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmpose