关键点检测 / 27

YOLO Pose

实时目标与关键点联合模型

YOLO Pose在 YOLO 实例检测基础上增加关键点回归头，一次前向同时定位对象和骨骼点，延续统一的数据、训练、验证与模型导出工具链。代表性参数规模为约 3M–69M（随 YOLO 版本与尺度变化），性能定位是实时性强，检测和姿态输出链路统一。适合工位动作分析、人体姿态估计和零件装配关键点定位。

技术来源
Ultralytics
提出时间
持续更新
性能定位
实时性强，检测和姿态输出链路统一
部署成熟度
成熟
01

PARAMETERS

参考参数与输入输出

代表性参数量约 3M–69M（随 YOLO 版本与尺度变化）
输入RGB 图像、实例框与关键点标注
输出实例边界框、关键点坐标、可见性与置信度
算力与部署CPU、GPU、TensorRT；轻量版本可用于边缘端

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。

02

PERFORMANCE

性能如何理解

实时性强，检测和姿态输出链路统一。部署速度和工具链优于 RTMPose，但精细关键点精度上限可能略低。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。

推理速度
很高
精度定位
高
部署成熟度
成熟
03

CHARACTERISTICS & USE CASES

核心特点与应用边界

核心特点

  • 检测与关键点单模型联合输出
  • 轻量尺度适合实时视频流
  • 支持自定义关键点数量和骨架连接

典型场景

  • 工位动作分析
  • 人体姿态估计
  • 零件装配关键点定位

限制与风险

  • 高精度关键点受检测框和输入分辨率影响
  • 严重遮挡与密集实例需要专门数据增强
04

MODEL COMPARISON

关键点检测同类模型对比

模型参考参数规模速度精度定位部署优先场景
YOLO Pose当前 约 3M–69M（随 YOLO 版本与尺度变化） 很高 高 成熟 工位动作分析
RTMPose 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

选型结论

YOLO Pose适合优先考虑工位动作分析、人体姿态估计、零件装配关键点定位的项目。它的主要价值是检测与关键点单模型联合输出；需要重点评估高精度关键点受检测框和输入分辨率影响、严重遮挡与密集实例需要专门数据增强。

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。

提交项目需求 在线客服