Lightweight-human-pose-estimation.pytorch: 关于美联社

你好！ 我们与论文“Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields”中的原始模型进行了比较。 正如您在第 3.2 段的表 4 中看到的，AP 为 58.4%。 如果使用单独的单人姿势估计 (CPM) 模型对每个找到的人进行额外的细化，它将增加到 61%。 而这 58.4% 是在多尺度测试模式（6 个尺度）中获得的。 48.6% 的 AP 是在测试期间使用单一尺度输入数据获得的。

谢谢你的回复！什么是6个量表？是指1个初级，5个细化阶段？

获取 Outlook for iOS https://aka.ms/o0ukef

发件人：丹尼尔- Osokin [email protected]
发送时间：2020年12月18日星期五11:14:00
收件人：丹尼尔- Osokin /轻量化，人性化的姿态，estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ； 作者[email protected]
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] 关于 AP (#124)

你好！ 我们与论文“Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields” https://arxiv.org/pdf/1611.08050.pdf 中的原始模型进行了比较。 正如您在第 3.2 段的表 4 中看到的，AP 为 58.4%。 如果使用单独的单人姿势估计 (CPM) 模型对每个找到的人进行额外的细化，它将增加到 61%。 而这 58.4% 是在多尺度测试模式（6 个尺度）中获得的。 48.6% 的 AP 是在测试期间使用单一尺度输入数据获得的。

―
您收到此消息是因为您创作了该线程。
直接回复本邮件，在GitHub上查看https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 ，或者退订https://github.com/通知/取消订阅身份验证/AP5B6GF7L7XYMR3P3ZLMBGDSVNWTRANCNFSM4U65RKFQ 。

网络推理执行了 4 次（不是 6 次，这是我的错误），每次都使用不同的输入图像分辨率（不同的比例）。 然后对所有网络输出进行平均。 您可以查看验证脚本以获取详细信息，它支持多尺度选项。

谢谢！为什么当时没有使用multi-scales，毕竟这个方法可以达到更高的AP？

获取 Outlook for iOS https://aka.ms/o0ukef

发件人：丹尼尔- Osokin [email protected]
发送时间：2020 年 12 月 19 日星期六 5:18:55
收件人：丹尼尔- Osokin /轻量化，人性化的姿态，estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ； 作者[email protected]
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] 关于 AP (#124)

网络推理执行了 4 次（不是 6 次，这是我的错误），每次都使用不同的输入图像分辨率（不同的比例）。 然后对所有网络输出进行平均。 您可以查看验证脚本https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117了解详细信息，它支持多尺度选项。

―
您收到此消息是因为您创作了该线程。
直接回复本邮件，在GitHub上查看https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ，或者退订https://github.com/通知/取消订阅认证/AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ 。

And I wonder if the loss function is different from the original OpenPose？

获取 Outlook for iOShttps://aka.ms/o0ukef

发件人: 李 文星 [email protected]
发送时间: Saturday, December 19, 2020 10:39:10 AM
收件人: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]; Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
抄送: Author [email protected]
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] About AP (#124)

Thank you！Why was multi-scales not used at that time，after all，this method can achieve higher AP？

获取 Outlook for iOShttps://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送时间: Saturday, December 19, 2020 5:18:55 AM
收件人: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected]; Author [email protected]
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] About AP (#124)

网络推理执行了 4 次（不是 6 次，这是我的错误），每次都使用不同的输入图像分辨率（不同的比例）。 然后对所有网络输出进行平均。 您可以查看验证脚本https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117了解详细信息，它支持多尺度选项。

―
您收到此消息是因为您创作了该线程。
直接回复本邮件，在GitHub上查看https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ，或者退订https://github.com/通知/取消订阅认证/AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ 。

使用单个或多个尺度进行推理是一种速度/准确性的权衡。 损失函数是一样的。

谢谢，我想知道Heatmaps和PAFs阶段结合后的损失如何计算？因为原来的OpenPose是分两个阶段计算的。

它只是热图和 pafs 的所有损失的总和。 您可以查看训练脚本以获取更多详细信息。

谢谢你。

获取 Outlook for iOS https://aka.ms/o0ukef

发件人：丹尼尔- Osokin [email protected]
发送时间：2020年12月20日星期日晚上11:23:10
收件人：丹尼尔- Osokin /轻量化，人性化的姿态，estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ； 作者[email protected]
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] 关于 AP (#124)

它只是热图和 pafs 的所有损失的总和。 您可以查看训练脚本https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py了解更多详情。

―
您收到此消息是因为您创作了该线程。
直接回复本邮件，在GitHub上查看https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 ，或者退订https://github.com/通知/取消订阅身份验证/AP5B6GEFLZNRTCBE4U5PCRLSVYJF5ANCNFSM4U65RKFQ 。