Startseite Projekte openpose_train
openpose_train
Python

openpose_train

Trainingsrepository für OpenPose

von CMU-Perceptual-Computing-Lab · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
computer-visiondeep-learninghuman-behavior-understandingPython
Auf GitHub ansehen
In einfachen Worten

Trainieren Sie ein System, um menschliche Körperbewegungen und Positionen in Bildern zu erkennen, obwohl es noch experimentell ist.

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
2026-07-202026-08-31
📈 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 615 Sterne auf GitHub. Es wurde 186-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?
olud.ai badge — openpose_train

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

[![olud.ai](https://olud.ai/badge.php?tool=cmu-perceptual-computing-lab-openpose-train)](https://olud.ai/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.