关键点检测 / 28

RTMPose

实时高精度姿态估计器

RTMPose采用 RTMCC 坐标分类表示与高效卷积骨干，在较低参数量下兼顾实时推理和关键点定位精度，并支持人体、动物和自定义对象姿态。代表性参数规模为约 5.5M–27.7M（S 至 L 常见配置），性能定位是参数效率高，速度与关键点精度平衡优秀。

PARAMETERS

参考参数与输入输出

代表性参数量约 5.5M–27.7M（S 至 L 常见配置）

输入RGB 图像与实例裁剪/框、关键点热图或坐标标注

输出关键点坐标、可见性和置信度

算力与部署GPU、ONNX Runtime、TensorRT；小模型适合边缘端

参数量是公开代表性配置或合理范围，不同骨干、类别数、输入尺寸和实现版本会改变结果；详细实施时以选定配置导出的模型信息为准。

PERFORMANCE

参数效率高，速度与关键点精度平衡优秀。关键点精度通常优于同规模 YOLO Pose，但端到端系统还需额外目标检测步骤。网站不使用脱离条件的单一 FPS 或 mAP 数字作为承诺，因为数据集、输入尺寸、精度模式、批量大小、GPU 型号和后处理口径都会显著改变测试结果。

CHARACTERISTICS & USE CASES

MODEL COMPARISON

模型	参考参数规模	速度	精度定位	部署	优先场景
YOLO Pose	约 3M–69M（随 YOLO 版本与尺度变化）	很高	高	成熟	工位动作分析
RTMPose当前	约 5.5M–27.7M（S 至 L 常见配置）	很高	很高	较成熟	高精度人体姿态

表中“速度、精度、部署”为同类别内的定性定位，用于缩小候选范围，不替代同一测试集、同一硬件和同一精度模式下的实测。

SELECTION SUMMARY

RTMPose适合优先考虑高精度人体姿态、动物关键点、工业对象精密定位点的项目。它的主要价值是SimCC/RTMCC 提升坐标定位精度；需要重点评估Top-down 配置通常依赖前置检测器、自定义骨架需要足量可见性与遮挡标注。

建议先用企业真实数据建立基线，再统一测试准确率、召回率、误检率、单张延迟、峰值显存和导出兼容性，最后确定模型规模与部署方式。