Lightweight-human-pose-estimation.pytorch: محاولة استخدام MobileNet-V2

يرجى التحقق من الورقة. باختصار ، لم يقدم أي تحسين في السرعة / الدقة.

لقد تحققت من ذلك. ومع ذلك ، كنت أحاول تطبيق MobileNetV2 على الخوارزمية الخاصة بك. أنا أتلقى أخطاء. هل يمكنك مشاركة الرمز من فضلك؟
شكرا،

أو إذا كان بإمكانك مشاركة النموذج الذي تم اختباره مسبقًا لـ MobileNet V2 ، فسيكون ذلك رائعًا أيضًا!

ليس لدي هذا الرمز. يمكنك نشر الخطأ ، قد يكون من الممكن تصحيحه.

تمام. شكرا لك!

قرأت ورقتك حول هذا التنفيذ ولدي سؤال واحد. ماذا تعني "قص إلى conv4_1" ، "قص إلى conv5_5" ، إلخ. في اختيار العمود الفقري لشبكة MobileNet؟

هذا يعني عدد الطبقات التي يأخذها العمود الفقري. يحتوي MobileNet v1 على 6 كتل تتكون من التلافيف العميقة و 1 × 1 التلافيف النقطية. بعد كل خطوة كتلة تنمو (هناك التفاف بخطوة == 2). الرقم الأول conv 5 _5 هو مؤشر الكتلة ، والثاني conv5_ 5 هو مؤشر الالتواء (العمق + النقطة) داخل الكتلة. أزلنا الخطوة في conv4_2 وأضفنا تمددًا في conv5_1 ، يمكنك التحقق من ذلك في الكود .

رائع. هذا يفسر الكثير.

شكرا مرة آخرى!

على الرحب والسعة!

هل هناك أي طريقة محددة لحساب GLOPS وعدد المعلمات؟ أخطط لاستخدام https://github.com/sovrasov/flops-counter.pytorch

هذا جيد ، يبدو أننا استخدمناه. يمكنك أيضًا تثبيته من خلال النقطة .