Início Projetos openpose_train
openpose_train

openpose_train

por CMU-Perceptual-Computing-Lab · GitHub

Repositório de treinamento para OpenPose

Ver no GitHub
Em palavras simples

Treine um sistema para reconhecer movimentos e posições do corpo humano em imagens, embora ainda seja experimental.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
openpose_train — GitHub preview card
📈 Histórico de estrelas
616615
2026-07-202026-07-29
📈 Acompanhe openpose_train

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Repositório de treinamento para OpenPose

openpose_train tem 616 estrelas no GitHub. Foi bifurcado 185 vezes. openpose_train é escrito principalmente em Python. Está em desenvolvimento ativo desde 2019. Os seus principais temas são: computer-vision, deep-learning, human-behavior-understanding, human-pose-estimation.

Frequently asked questions

O que é openpose_train?

Repositório de treinamento para OpenPose

openpose_train é de código aberto?

openpose_train é um projeto de código aberto.

openpose_train é gratuito?

Sim. openpose_train é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem openpose_train está escrito?

openpose_train é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — openpose_train

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=cmu-perceptual-computing-lab-openpose-train)](https://opensourceai.tech/project/cmu-perceptual-computing-lab-openpose-train.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.