Lightweight-human-pose-estimation.pytorch: Zug Nr.3

Erstellt am 21. März 2021  ·  6Kommentare  ·  Quelle: Daniil-Osokin/lightweight-human-pose-estimation.pytorch

Hallo! Ich möchte zwei Fragen stellen. Zuerst habe ich versucht, die Nr. 3 (--von-mobilenet) zu trainieren und 285000 Iter zu trainieren. Ich habe jedoch keine Punkte und Linien erkannt, als ich die Demo damit ausgeführt habe. Weißt du, was das Problem ist? Liegt es daran, dass ich nicht für Schritt vier oder fünf trainiert habe? Zweitens: Können Sie mir sagen, wie viel Sie am Ende Ihrer Ausbildung verloren haben? Ich möchte den ungefähren Verlust wissen, wenn wir mit dem Training aufhören können. Ich habe 285.000 Iter trainiert, meine Verluste sind wie folgt:
image

Alle 6 Kommentare

Ich bin während des Trainings auf dieses Problem gestoßen und habe diese Codezeile in train.py(#evaluate(val_labels, val_output_name, val_images_folder, net)) auskommentiert. Haben Sie Lösungen?
image

Hallo, ich habe Ihre vorherige Antwort gesehen. Jetzt mache ich 19 wichtige Punkte und habe den Code geändert. Die von mir verwendeten Datensätze stammen von Val2017 und Train2017, die von der offiziellen Website von Coco heruntergeladen wurden. Meinst du, ich muss die Daten neu beschriften? Ist der von der offiziellen Website von Coco heruntergeladene Datensatz nicht bereits markiert?
image

Hi! Überprüfen Sie zunächst, ob das bereitgestellte vortrainierte Modell für die Validierung funktioniert. Dies wird sagen, ob die Validierung funktioniert. Überprüfen Sie dann die Ausgabedatei mit den Vorhersageergebnissen von Ihrem Prüfpunkt. Wenn es leer ist, kann ein solcher Fehler auftreten. Wenn es also leer ist, versuchen Sie, die avg_heatmaps zu visualisieren,

Hi! Überprüfen Sie zunächst, ob das bereitgestellte vortrainierte Modell für die Validierung funktioniert. Dies wird sagen, ob die Validierung funktioniert. Überprüfen Sie dann die Ausgabedatei mit den Vorhersageergebnissen von Ihrem Prüfpunkt. Wenn es leer ist, kann ein solcher Fehler auftreten. Wenn es also leer ist, versuchen Sie, die avg_heatmaps zu visualisieren,

Danke für Ihre schnelle Antwort. Danke für deinen Rat. Ich werde es versuchen. Ich möchte Ihnen auch zwei Fragen stellen. Erstens sind die wichtigsten Punkte, die ich jetzt festlegen möchte, 20, und ich möchte einen Taillenknoten hinzufügen. Ich möchte Sie fragen, ob ich den COCO-Datensatz direkt verwenden kann? Allerdings kommentiert der COCO-Datensatz nur 18 Schlüsselpunkte. Wenn ich 20 Schlüsselpunkte setzen möchte, muss ich den COCO-Datensatz erneut annotieren?
Zweitens können die Schlüsselpunkte erkannt werden, wenn nur der dritte Schritt durchgeführt wird, oder die Schlüsselpunkte und Verbindungen können erst nach Durchführung der vollständigen Trainingsschritte erkannt werden?
Ich freue mich auf deine Antwort! Dankeschön!

Ja, man sollte den Personen irgendwie die Taille beschriften, entweder manuell oder aus vorhandenen berechnen. Keypoints können nach dem dritten Schritt erkannt werden (Sie sehen, es gibt einen Validierungsschritt während des Trainings, also versuchen Sie nach einigen anfänglichen Iterationen, zB 5000, Keypoints erkannt werden, die Heatmaps zu visualisieren).

Ja, man sollte den Personen irgendwie die Taille beschriften, entweder manuell oder aus vorhandenen berechnen. Keypoints können nach dem dritten Schritt erkannt werden (Sie sehen, es gibt einen Validierungsschritt während des Trainings, also versuchen Sie nach einigen anfänglichen Iterationen, zB 5000, Keypoints erkannt werden, die Heatmaps zu visualisieren).
Danke für Ihre schnelle Antwort. Ich verstehe es!

War diese Seite hilfreich?
0 / 5 - 0 Bewertungen

Verwandte Themen

augenstern-lwx picture augenstern-lwx  ·  9Kommentare

mohamdev picture mohamdev  ·  4Kommentare

anerisheth19 picture anerisheth19  ·  10Kommentare

hxm1150310617 picture hxm1150310617  ·  4Kommentare

mathblue picture mathblue  ·  12Kommentare