Realtime Multi-Person Pose Estimation (OpenPose) 训练步骤

GitHub： Realtime_Multi-Person_Pose_Estimation

getData

百度云：南国那片枫叶，提取码：2pyr。

MatLab

MatLab R2014a

genCOCOMask

报错：Undefined function 'maskApiMex' for input arguments of type 'struct'

解决：

MatLab 工作目录进入 MaskApi.m 文件所在目录，打开 MaskApi.m，注释中找到

编译 mex

genJSON

在 matlab 终端输入 genJSON('COCO')

Caffe_train

先参考 Ubuntu16.04 安装 pycaffe。

然后对照已有 caffe 的 makefile.config，修改 caffe_train 的 makefile.config，要修改的地方可能有 28 行 CUDA_DIR，35 行 CUDA_ARCH，注释掉 61 行 MATLAB，76 行 PYTHON_LIB，87 行 INCLUDE_DIRS，88 行 LIBRARY_DIRS，105 行 TEST_GPUID。

编译时遇到大量 cudnn 相关错误，需要把已有 caffe include/caffe/ 和 src/caffe/目录下所有文件名含 cudnn 的 .hpp .cpp .cu 文件复制替换到 caffe_train 相应的目录下，再 make，成功后 make pycaffe。然后再修改环境变量中 PYTHONPATH 的路径。

genLMDB

编辑 genLMDB.py，修改第 8 行 pycaffe 路径，58 行图片位置（图片位置不正确会得到错误 AttributeError: 'NonType' object has no attribute 'shape'），最后一行将要生成的 lmdb 文件的位置。如果空间不够，可以修改 49 行的 for 循环。

错误一：

ImportError: no module named lmdb

解决：sudo python -m pip install lmdb

错误二：

TypeError: 'NonType' object has no attribute '\_\_getitem\_\_'

解决：/dataset/COCO/images 目录下的 mask2014 文件夹是空的，而 /dataset/COCO 目录下的 mask2014 文件夹是有内容的，因此在 /dataset/COCO 这个位置打开终端，执行 sudo mv mask24 images。

setLayers

修改第 12 行 pycaffe 路径，432 行 VGG 模型路径，以及 448 - 452 行的五条路径。

#examples
directory = '/home//openpose_first_train/'
serverFolder = directory+'server'
base_folder = directory+'model'
dataFolder = '/usr/COCO_kpt/lmdb'
source = '/usr/COCO_kpt/lmdb'

根据显存大小，调整 454 行的 batch_size 为一个合适的值，以防训练时出现 Check failed: error == cudaSuccess (2 vs. 0) out of memory。

Train

在上面的 directory 目录下，执行 sudo sh train_pose.sh 0。