Lightweight-human-pose-estimation.pytorch: tren n. ° 3

Creado en 21 mar. 2021  ·  6Comentarios  ·  Fuente: Daniil-Osokin/lightweight-human-pose-estimation.pytorch

¡Hola! Quiero hacer dos preguntas. En primer lugar, traté de entrenar al número 3 (--desde-mobilenet) y entrenar a 285000 iters. Sin embargo, no detecté puntos ni líneas cuando ejecuté la demostración con él. ¿Sabes cuál es el problema? ¿Es porque no entrené para el paso cuatro o cinco? En segundo lugar, ¿puedes decirme cuánto perdiste al final de tu entrenamiento? Quiero saber la pérdida aproximada cuando podemos dejar de entrenar. Entrené 285000 iters, mis pérdidas son las siguientes:
image

Todos 6 comentarios

Me encontré con este problema durante el entrenamiento, y comenté esta línea de código en train.py (#evaluate (val_labels, val_output_name, val_images_folder, net)). ¿Esta línea de código está comentada, por lo que no hay resultado? ¿Tienes alguna solución?
image

Hola, he visto tu respuesta anterior. Ahora estoy haciendo 19 puntos clave y he modificado el código. Los conjuntos de datos que utilicé son de Val2017 y Train2017 descargados del sitio web oficial de Coco. ¿Quiere decir que necesito volver a etiquetar los datos? ¿No está ya marcado el conjunto de datos descargado del sitio web oficial de Coco?
image

¡Hola! En primer lugar, compruebe si el modelo pre-entrenado proporcionado funciona para la validación. Esto dirá si la validación funciona. Luego verifique el archivo de salida con los resultados de la predicción de su punto de control. Si está vacío, puede ocurrir tal error. Entonces, si está vacío, intente visualizar avg_heatmaps para ver si se detectó algo. Las curvas de pérdida están aquí: # 10, la suya parece razonable.

¡Hola! En primer lugar, compruebe si el modelo pre-entrenado proporcionado funciona para la validación. Esto dirá si la validación funciona. Luego verifique el archivo de salida con los resultados de la predicción de su punto de control. Si está vacío, puede ocurrir tal error. Entonces, si está vacío, intente visualizar avg_heatmaps para ver si se detectó algo. Las curvas de pérdida están aquí: # 10, la suya parece razonable.

Gracias por su pronta respuesta. Gracias por tu consejo. Lo intentaré. También quiero hacerte dos preguntas. En primer lugar, los puntos clave que quiero establecer ahora son 20 y quiero agregar un nodo de cintura. Me gustaría preguntarle si puedo usar directamente el conjunto de datos COCO. Sin embargo, el conjunto de datos de COCO solo anota 18 puntos clave. Si quiero establecer 20 puntos clave, ¿necesito anotar nuevamente el conjunto de datos COCO?
En segundo lugar, los puntos clave se pueden detectar si solo se lleva a cabo el tercer paso,? O los puntos clave y las conexiones solo se pueden detectar después de que se hayan llevado a cabo los pasos de entrenamiento completos?
¡Esperamos su respuesta! ¡Gracias!

Sí, debe etiquetar de alguna manera la cintura de las personas, ya sea manualmente o calculando a partir de las existentes. Los puntos clave se pueden detectar después del tercer paso (verá, hay un paso de validación durante el entrenamiento, por lo que después de algunas iteraciones iniciales, por ejemplo, 5000, se detectan puntos clave, intente visualizar los mapas de calor).

Sí, debe etiquetar de alguna manera la cintura de las personas, ya sea manualmente o calculando a partir de las existentes. Los puntos clave se pueden detectar después del tercer paso (verá, hay un paso de validación durante el entrenamiento, por lo que después de algunas iteraciones iniciales, por ejemplo, 5000, se detectan puntos clave, intente visualizar los mapas de calor).
Gracias por su pronta respuesta. ¡Lo entiendo!

¿Fue útil esta página
0 / 5 - 0 calificaciones

Temas relacionados

zhenzhongle picture zhenzhongle  ·  5Comentarios

mathblue picture mathblue  ·  12Comentarios

mohamdev picture mohamdev  ·  4Comentarios

jinfagang picture jinfagang  ·  18Comentarios

anerisheth19 picture anerisheth19  ·  10Comentarios