Startseite Projekte openpose_train
openpose_train

openpose_train

von CMU-Perceptual-Computing-Lab · GitHub

Trainingsrepository für OpenPose

Auf GitHub ansehen
In einfachen Worten

Trainieren Sie ein System zur Erkennung menschlicher Körperbewegungen und -positionen in Bildern, obwohl es noch experimentell ist.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
openpose_train — GitHub preview card
📈 Sternhistorie
616615
2026-07-202026-07-29
📈 openpose_train verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Trainingsrepository für OpenPose

openpose_train hat 616 Sterne auf GitHub. Es wurde 185-mal geforkt. openpose_train ist hauptsächlich in Python geschrieben. Es wird seit 2019 aktiv entwickelt. Die Hauptthemen sind: computer-vision, deep-learning, human-behavior-understanding, human-pose-estimation.

Frequently asked questions

Was ist openpose_train?

Trainingsrepository für OpenPose

Ist openpose_train Open Source?

openpose_train ist ein Open-Source-Projekt.

Ist openpose_train kostenlos?

Ja. openpose_train ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist openpose_train geschrieben?

openpose_train ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — openpose_train

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=cmu-perceptual-computing-lab-openpose-train)](https://opensourceai.tech/project/cmu-perceptual-computing-lab-openpose-train.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.