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

Créé le 21 mars 2021  ·  6Commentaires  ·  Source: Daniil-Osokin/lightweight-human-pose-estimation.pytorch

Salut! Je veux poser deux questions. Tout d'abord, j'ai essayé de former le No.3 (--from-mobilenet) et de former 285 000 iters. Cependant, je n'ai détecté aucun point ni aucune ligne lorsque j'ai exécuté la démo avec. Savez-vous quel est le problème ? Est-ce parce que je ne me suis pas entraîné pour l'étape quatre ou cinq ? Deuxièmement, pouvez-vous me dire combien vous avez perdu à la fin de votre formation ? Je veux connaître la perte approximative quand nous pourrons arrêter l'entraînement. J'ai entraîné 285 000 iters, mes pertes sont les suivantes :
image

Tous les 6 commentaires

J'ai rencontré ce problème pendant la formation et j'ai commenté cette ligne de code dans train.py(#evaluate(val_labels, val_output_name, val_images_folder, net)). Cette ligne de code est-elle commentée, donc il n'y a pas de résultat ? Avez-vous des solutions?
image

Bonjour, j'ai vu votre réponse précédente. Maintenant, je fais 19 points clés et j'ai modifié le code. Les jeux de données que j'ai utilisés proviennent de Val2017 et Train2017 téléchargés depuis le site officiel de Coco. Voulez-vous dire que je dois ré-étiqueter les données ? Le jeu de données téléchargé depuis le site officiel de Coco n'est-il pas déjà marqué ?
image

Salut! Tout d'abord, vérifiez si le modèle pré-entraîné fourni fonctionne pour la validation. Cela dira si la validation fonctionne. Vérifiez ensuite le fichier de sortie avec les résultats de prédiction de votre point de contrôle. S'il est vide, une telle erreur peut se produire. Donc, s'il est vide, essayez de visualiser les avg_heatmaps pour voir si quelque chose a été détecté. Les courbes de pertes sont ici : #10, les vôtres semblent raisonnables.

Salut! Tout d'abord, vérifiez si le modèle pré-entraîné fourni fonctionne pour la validation. Cela dira si la validation fonctionne. Vérifiez ensuite le fichier de sortie avec les résultats de prédiction de votre point de contrôle. S'il est vide, une telle erreur peut se produire. Donc, s'il est vide, essayez de visualiser les avg_heatmaps pour voir si quelque chose a été détecté. Les courbes de pertes sont ici : #10, les vôtres semblent raisonnables.

Merci de votre réponse rapide. Merci pour votre conseil. Je vais essayer. Je veux aussi vous poser deux questions. Tout d'abord, les points clés que je veux définir maintenant sont 20, et je veux ajouter un nœud de taille. Je voudrais vous demander si je peux utiliser directement le jeu de données COCO ? Cependant, l'ensemble de données COCO n'annote que 18 points clés. Si je souhaite définir 20 points clés, dois-je à nouveau annoter le jeu de données COCO ?
Deuxièmement, les points clés peuvent être détectés si seule la troisième étape est effectuée, ou les points clés et les connexions ne peuvent être détectés qu'après que les étapes d'apprentissage complètes ont été effectuées ?
Dans l'attente de votre réponse! Merci!

Oui, vous devez étiqueter d'une manière ou d'une autre la taille des personnes, soit manuellement, soit par calcul à partir de celles existantes. Les points clés peuvent être détectés après la troisième étape (vous voyez, il y a une étape de validation pendant la formation, donc après quelques itérations initiales, par exemple 5000, les points clés sont détectés, essayez de visualiser les cartes thermiques).

Oui, vous devez étiqueter d'une manière ou d'une autre la taille des personnes, soit manuellement, soit par calcul à partir de celles existantes. Les points clés peuvent être détectés après la troisième étape (vous voyez, il y a une étape de validation pendant la formation, donc après quelques itérations initiales, par exemple 5000, les points clés sont détectés, essayez de visualiser les cartes thermiques).
Merci de votre réponse rapide. Je comprends!

Cette page vous a été utile?
0 / 5 - 0 notes

Questions connexes

augenstern-lwx picture augenstern-lwx  ·  9Commentaires

tangfayuan picture tangfayuan  ·  7Commentaires

jinfagang picture jinfagang  ·  18Commentaires

hxm1150310617 picture hxm1150310617  ·  4Commentaires

anerisheth19 picture anerisheth19  ·  10Commentaires