Human Image Gender Classifier：基于全身图像的性别分类器

<模型介绍>
Human Image Gender Classifier（简称Homogenus）是一个基于全身图像的性别分类器，用于从单张图像中识别和分类人体的性别。该项目是论文《Expressive Body Capture: 3D Hands, Face, and Body from a Single Image》中的一部分，旨在解决传统方法仅依赖面部图像进行性别分类的局限性。Homogenus通过分析全身图像及其对应的2D关键点，能够更准确地判断性别，尤其适用于面部不清晰或不可见的情况。

Homogenus的核心技术基于TensorFlow 1.13.1进行模型训练和推理。项目依赖于OpenPose检测到的2D关键点，结合全身图像信息，训练出一个能够区分男性和女性性别的分类器。此外，Homogenus还考虑到了性别的非二元性，提供了男性、女性和中性三种3D身体模型，根据分类器的置信度选择合适的模型。

<.ckpt模型转.pd>
下载完模型后是4个文件checkpoint,TR02_E02_It_002010.ckpt.meta，TR02_E02_It_002010.ckpt.index，TR02_E02_It_002010.ckpt.data-00000-of-00001
checkpoint:检查点文件，文件保存了一个目录下所有的模型文件列表；
.ckpt.meta:保存了TensorFlow计算图的结构，可以理解为神经网络的网络结构，该文件可以被tf.train.import_meta_graph 加载到当前默认的图来使用
.ckpt.index:可能是内部需要的某种索引来正确映射前两个文件
.ckpt.data-:保存模型中每个变量的取值
真正部署项目，一般是固化成.pd文件使用，当然.pd文件也是OpenVINO可以直接推理的模型文件。
使用python中tensorflow库将.ckpt转化为.pd文件，注意：输出节点名称：‘probs_op’。

Inputs

Image, name: x, shape: 1, 224, 224, 3 in the format B, C, H, W, where:

• B – batch size （批量大小）
• H – image height (图像的高)
• W – image width（图像的宽）
• C – number of channels(一般是RGB,有的模型是BGR)

Outputs

The net outputs a blob 2,

输出2个值的数组，如果最大值是第一个值，性别为male,否则是female.如果最大值小于0.7，性别是neutral.

LabVIEW推理一般步骤：

打开模型—>推理数据—>销毁模型，3步轻松完成模型推理。LabVIEW推理模型相当简单，一看就会

此项目结合Yolo11识别人体图像–>截取图像–>Homogenus推理。
，时长00:15
<相关文章列表>

LabVIEW玩转视觉大模型_Segment_Anything2

YOLO11 For LabVIEW_一篇文章搞明白

LabVIEW 人体关键点识别

================================