Lightweight-human-pose-estimation.pytorch: AP . के बारे में

नमस्ते! हमने पेपर "रियलटाइम मल्टी-पर्सन 2डी पोज एस्टीमेशन यूजिंग पार्ट एफिनिटी फील्ड्स" के मूल मॉडल से तुलना की है। जैसा कि आप पैराग्राफ 3.2 की तालिका 4 में देख सकते हैं कि एपी 58.4% है। यह बढ़कर ६१% हो जाएगा, यदि प्रत्येक पाए गए व्यक्ति के लिए एक अलग मॉडल के साथ एकल व्यक्ति मुद्रा अनुमान (सीपीएम) के लिए एक अतिरिक्त शोधन किया जाए। और उन 58.4% को मल्टी-स्केल टेस्टिंग मोड (6 स्केल) में प्राप्त किया गया था। परीक्षण के दौरान इनपुट डेटा के लिए एकल पैमाने का उपयोग करके एपी का 48.6% प्राप्त किया जाता है।

आपके उत्तर के लिए धन्यवाद！6 पैमाने क्या हैं？इसका मतलब है कि एक प्रारंभिक चरण और पांच शोधन चरण？

आईओएस के लिए आउटलुक https://aka.ms/o0ukef

संपर्क: डेनियल-ओसोकिन नोटिफिकेशन @github.com
: शुक्रवार, दिसंबर १८, २०२० ११:१४:०० अपराह्न
收件人: Daniil-Osokin / हल्के-मानव-मुद्रा-estimation.pytorch [email protected]
संपर्क: augenstern-lwx [email protected] ; लेखक लेखक @noreply.github.com
: पुन: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP के बारे में (#124)

नमस्ते! हमने पेपर "रियलटाइम मल्टी-पर्सन 2डी पोज़ एस्टीमेशन यूजिंग पार्ट एफिनिटी फील्ड्स" https://arxiv.org/pdf/1611.08050.pdf के मूल मॉडल से तुलना की है। जैसा कि आप पैराग्राफ 3.2 की तालिका 4 में देख सकते हैं कि एपी 58.4% है। यह बढ़कर ६१% हो जाएगा, यदि प्रत्येक पाए गए व्यक्ति के लिए एक अलग मॉडल के साथ एकल व्यक्ति मुद्रा अनुमान (सीपीएम) के लिए एक अतिरिक्त शोधन किया जाए। और उन 58.4% को मल्टी-स्केल टेस्टिंग मोड (6 स्केल) में प्राप्त किया गया था। परीक्षण के दौरान इनपुट डेटा के लिए एकल पैमाने का उपयोग करके एपी का 48.6% प्राप्त किया जाता है।

मैं
आप इसे प्राप्त कर रहे हैं क्योंकि आपने सूत्र को लिखा है।
इस ईमेल का सीधे उत्तर दें, इसे GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 पर https://github.com/ की सदस्यता समाप्त

नेटवर्क अनुमान 4 बार किया गया (6 नहीं, यह मेरी गलती है), हर बार अलग-अलग इनपुट छवि रिज़ॉल्यूशन (अलग-अलग पैमाने) के साथ। तब सभी नेटवर्क आउटपुट औसत थे। आप विवरण के लिए सत्यापन स्क्रिप्ट की जांच कर सकते हैं, यह बहु-स्तरीय विकल्प का समर्थन करता है।

धन्यवाद！उस समय मल्टी-स्केल का उपयोग क्यों नहीं किया गया，आखिरकार，यह विधि उच्च एपी प्राप्त कर सकती है？

आईओएस के लिए आउटलुक https://aka.ms/o0ukef

संपर्क: डेनियल-ओसोकिन नोटिफिकेशन @github.com
: शनिवार, दिसंबर १९, २०२० ५:१८:५५ पूर्वाह्न
收件人: Daniil-Osokin / हल्के-मानव-मुद्रा-estimation.pytorch [email protected]
संपर्क: augenstern-lwx [email protected] ; लेखक लेखक @noreply.github.com
: पुन: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP के बारे में (#124)

नेटवर्क अनुमान 4 बार किया गया (6 नहीं, यह मेरी गलती है), हर बार अलग-अलग इनपुट छवि रिज़ॉल्यूशन (अलग-अलग पैमाने) के साथ। तब सभी नेटवर्क आउटपुट औसत थे। विवरण के लिए आप सत्यापन स्क्रिप्ट https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 की जांच कर सकते हैं, यह बहु-स्तरीय विकल्प का समर्थन करता है।

मैं
आप इसे प्राप्त कर रहे हैं क्योंकि आपने सूत्र को लिखा है।
इस ईमेल का सीधे उत्तर दें, इसे GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 पर https://github.com/ की सदस्यता समाप्त

और मुझे आश्चर्य है कि क्या नुकसान फ़ंक्शन मूल ओपनपोज़ से अलग है?

आईओएस के लिए आउटलुक प्राप्त करें https://aka.ms/o0ukef

से: ली वेन सिंग [email protected]
भेजने का समय: शनिवार, दिसंबर 19, 2020 10:39:10 पूर्वाह्न
प्राप्तकर्ता: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected] ; Daniil-Osokin/lightweight-human-pose-estimation.pytorch । github। कॉम
सीसी: लेखक लेखक @noreply.github.com
विषय: पुन: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP के बारे में (#124)

शुक्रिया! उस समय मल्टी-स्केल का उपयोग क्यों नहीं किया गया था, आखिरकार, यह विधि उच्च एपी प्राप्त कर सकती है?

आईओएस के लिए आउटलुक प्राप्त करें https://aka.ms/o0ukef

से: डेनियल-ओसोकिन नोटिफिकेशन @github.com
भेजने का समय: शनिवार, दिसंबर 19, 2020 5:18:55 AM
प्राप्तकर्ता: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
प्रतिलिपि: augenstern-lwx [email protected] ; लेखक लेखक @noreply.github.com
विषय: पुन: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP के बारे में (#124)

नेटवर्क अनुमान 4 बार किया गया (6 नहीं, यह मेरी गलती है), हर बार अलग-अलग इनपुट छवि रिज़ॉल्यूशन (अलग-अलग पैमाने) के साथ। तब सभी नेटवर्क आउटपुट औसत थे। विवरण के लिए आप सत्यापन स्क्रिप्ट https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 की जांच कर सकते हैं, यह बहु-स्तरीय विकल्प का समर्थन करता है।

मैं
आप इसे प्राप्त कर रहे हैं क्योंकि आपने सूत्र को लिखा है।
इस ईमेल का सीधे उत्तर दें, इसे GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 पर https://github.com/ की सदस्यता समाप्त

अनुमान के लिए एकल या एकाधिक पैमानों का उपयोग करना एक गति/सटीकता व्यापार-बंद है। हानि कार्य समान है।

धन्यवाद, मैं जानना चाहता हूं कि हीटमैप्स और पीएएफ चरणों के संयोजन के बाद नुकसान की गणना कैसे करें？क्योंकि मूल ओपनपोज की गणना दो चरणों द्वारा की जाती है।

यह हीटमैप्स और पैफ्स के लिए सभी नुकसानों का योग है। अधिक जानकारी के लिए आप प्रशिक्षण स्क्रिप्ट देख सकते हैं।

धन्यवाद।

आईओएस के लिए आउटलुक https://aka.ms/o0ukef

संपर्क: डेनियल-ओसोकिन नोटिफिकेशन @github.com
: रविवार, 20 दिसंबर, 2020 11:23:10 अपराह्न
收件人: Daniil-Osokin / हल्के-मानव-मुद्रा-estimation.pytorch [email protected]
संपर्क: augenstern-lwx [email protected] ; लेखक लेखक @noreply.github.com
: पुन: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP के बारे में (#124)

यह हीटमैप्स और पैफ्स के लिए सभी नुकसानों का योग है। अधिक जानकारी के लिए आप प्रशिक्षण स्क्रिप्ट https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py देख सकते हैं।

मैं
आप इसे प्राप्त कर रहे हैं क्योंकि आपने सूत्र को लिखा है।
इस ईमेल का सीधे उत्तर दें, इसे GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 पर https://github.com/ की सदस्यता समाप्त