Lightweight-human-pose-estimation.pytorch: حول AP

أهلا! لقد قارنا النموذج الأصلي من الورقة "Realtime Multi-Person 2D Pose Estimation باستخدام حقول التقارب الجزئي" . كما ترى في الجدول 4 من الفقرة 3.2 ، فإن AP هي 58.4٪. سترتفع إلى 61٪ ، في حالة إجراء تحسين إضافي لكل شخص تم العثور عليه بنموذج منفصل لتقدير وضع الشخص الفردي (CPM). وتم الحصول على هذه النسبة 58.4٪ في وضع الاختبار متعدد المقاييس (6 مقاييس). يتم الحصول على 48.6٪ من AP باستخدام مقياس واحد لبيانات الإدخال أثناء الاختبار.

شكرا لردكم！ ما هي 6 مقاييس تعني أن مرحلة أولية واحدة وخمس مراحل صقل？

获取 Outlook لنظام التشغيل iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: الجمعة 18 ديسمبر 2020 11:14:00 م
收件人: Daniil-Osokin / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ؛ المؤلف [email protected]
主题: رد: [Daniil-Osokin / lightweight-human-pose-Estimation.pytorch] حول AP (# 124)

أهلا! لقد قارنا النموذج الأصلي من الورقة "Realtime Multi-Person 2D Pose Estimation باستخدام حقول التقارب الجزئية" https://arxiv.org/pdf/1611.08050.pdf . كما ترى في الجدول 4 من الفقرة 3.2 ، فإن AP هي 58.4٪. سترتفع إلى 61٪ ، في حالة إجراء تحسين إضافي لكل شخص تم العثور عليه بنموذج منفصل لتقدير وضع الشخص الفردي (CPM). وتم الحصول على هذه النسبة 58.4٪ في وضع الاختبار متعدد المقاييس (6 مقاييس). يتم الحصول على 48.6٪ من AP باستخدام مقياس واحد لبيانات الإدخال أثناء الاختبار.

-
أنت تتلقى هذا لأنك قمت بتأليف الموضوع.
قم بالرد على هذه الرسالة الإلكترونية مباشرةً ، أو قم بعرضها على GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 ، أو إلغاء الاشتراك https://github.com/ الإخطارات / إلغاء الاشتراك - المصادقة / AP5B6GF7L7XYMR3P3ZLMBGDSVNWTRANCNFSM4U65RKFQ .

تم إجراء استدلال الشبكة 4 مرات (ليس 6 ، هذا خطأي) ، في كل مرة بدقة صورة إدخال مختلفة (مقياس مختلف). ثم تم حساب متوسط ​​جميع مخرجات الشبكة. يمكنك التحقق من صحة البرنامج النصي للحصول على التفاصيل ، فهو يدعم خيار متعدد المقاييس.

شكرًا لماذا لم يتم استخدام المقاييس المتعددة في ذلك الوقت ， بعد كل شيء هذه الطريقة يمكن أن تحقق AP أعلى

获取 Outlook لنظام التشغيل iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: السبت 19 كانون الأول (ديسمبر) 2020 5:18:55 صباحًا
收件人: Daniil-Osokin / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ؛ المؤلف [email protected]
主题: رد: [Daniil-Osokin / lightweight-human-pose-Estimation.pytorch] حول AP (# 124)

تم إجراء استدلال الشبكة 4 مرات (ليس 6 ، هذا خطأي) ، في كل مرة بدقة صورة إدخال مختلفة (مقياس مختلف). ثم تم حساب متوسط ​​جميع مخرجات الشبكة. يمكنك التحقق من البرنامج النصي للتحقق من الصحة https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 للحصول على التفاصيل ، فهو يدعم خيار المقاييس المتعددة.

-
أنت تتلقى هذا لأنك قمت بتأليف الموضوع.
قم بالرد على هذه الرسالة الإلكترونية مباشرةً ، أو قم بعرضها على GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ، أو إلغاء الاشتراك https://github.com/ الإخطارات / unsubscribe-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

وأتساءل عما إذا كانت وظيفة الخسارة مختلفة عن OpenPose الأصلي؟

احصل على Outlook لنظام التشغيل iOS https://aka.ms/o0ukef

من: Lee Wen Hsing [email protected]
وقت الإرسال: السبت 19 ديسمبر 2020 10:39:10 ص
المستلم: Daniil-Osokin / lightweight-human-pose- Estimation.pytorch [email protected] ؛ Daniil-Osokin / lightweight-human-pose- lightweight-human-pose-estimation.pytorch@noreply. github. كوم
نسخة إلى: المؤلف [email protected]
الموضوع: Re: [Daniil-Osokin / lightweight-human-pose-Estimation.pytorch] حول AP (# 124)

شكرا لك! لماذا لم يتم استخدام المقاييس المتعددة في ذلك الوقت ، بعد كل شيء ، يمكن لهذه الطريقة أن تحقق نقطة وصول أعلى؟

احصل على Outlook لنظام التشغيل iOS https://aka.ms/o0ukef

من: Daniil-Osokin [email protected]
وقت الإرسال: السبت 19 ديسمبر 2020 5:18:55 ص
المستلم: Daniil-Osokin / lightweight-human-pose-Estimation.pytorch [email protected]
نسخة إلى: augenstern-lwx [email protected] ؛ المؤلف [email protected]
الموضوع: Re: [Daniil-Osokin / lightweight-human-pose-Estimation.pytorch] حول AP (# 124)

تم إجراء استدلال الشبكة 4 مرات (ليس 6 ، هذا خطأي) ، في كل مرة بدقة صورة إدخال مختلفة (مقياس مختلف). ثم تم حساب متوسط ​​جميع مخرجات الشبكة. يمكنك التحقق من البرنامج النصي للتحقق من الصحة https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 للحصول على التفاصيل ، فهو يدعم خيار المقاييس المتعددة.

-
أنت تتلقى هذا لأنك قمت بتأليف الموضوع.
قم بالرد على هذه الرسالة الإلكترونية مباشرةً ، أو قم بعرضها على GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ، أو إلغاء الاشتراك https://github.com/ الإخطارات / unsubscribe-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

يعد استخدام مقياس مفرد أو متعدد للاستدلال مقايضة السرعة / الدقة. وظيفة الخسارة هي نفسها.

شكرًا ، أود أن أعرف كيفية حساب الخسارة بعد الجمع بين مخططات Heatmaps ومراحل PAFs？ لأن OpenPose الأصلي محسوب على مرحلتين.

إنه مجرد مجموع كل الخسائر لخرائط الحرارة والأحواض. يمكنك التحقق من البرنامج النصي للتدريب لمزيد من التفاصيل.

شكرا لك.

获取 Outlook لنظام التشغيل iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: الأحد 20 ديسمبر 2020 11:23:10 مساءً
收件人: Daniil-Osokin / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ؛ المؤلف [email protected]
主题: رد: [Daniil-Osokin / lightweight-human-pose-Estimation.pytorch] حول AP (# 124)

إنه مجرد مجموع كل الخسائر لخرائط الحرارة والأحواض. يمكنك التحقق من البرنامج النصي للتدريب https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py لمزيد من التفاصيل.

-
أنت تتلقى هذا لأنك قمت بتأليف الموضوع.
قم بالرد على هذه الرسالة الإلكترونية مباشرةً ، أو قم بعرضها على GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 ، أو إلغاء الاشتراك https://github.com/ الإخطارات / إلغاء الاشتراك - المصادقة / AP5B6GEFLZNRTCBE4U5PCRLSVYJF5ANCNFSM4U65RKFQ .