Hai, saya mencoba melatih jaring dengan kumpulan data khusus yang dibuat dengan coco-annotator (https://github.com/jsbroks/coco-annotator) tetapi fungsi CocoTrainDataset di dalam coco.py tidak mengembalikan apa pun (len(dataset) adalah 0 setelah dataset=CocoTrainDataset(...)).
Ada bantuan?
Lagi pula, apakah sebenarnya mungkin untuk melatih model itu pada kumpulan data khusus (mungkin dengan lebih sedikit titik kunci)?
Terima kasih
Jika Anda memiliki data dalam format MS COCO, Anda dapat mengikuti paragraf pelatihan untuk melatih model. Pelatihan pada kumpulan data dengan jumlah titik kunci yang berbeda dimungkinkan, namun Anda perlu memahami dan memodifikasi kodenya.
Terima kasih telah membalas, saya berhasil melatihnya di kumpulan data khusus saya dengan lebih sedikit titik kunci tetapi saya tidak dapat memahami tujuan dari array "sigmas" di pose.py.
Terima kasih lagi
Terima kasih!
Hai @mathblue ,
Apakah Anda berhasil menyelesaikan pelatihan dan inferensi pada dataset kustom Anda? Bisakah Anda berbagi langkah-langkah bagaimana melakukannya? Terima kasih banyak.
Hai, ya, saya dapat melatih kode itu pada modifikasi kumpulan data khusus apa pun
sebenarnya beberapa hal, saya dapat mengubah jumlah poin utama dan menggunakan Coco
annotator untuk membubuhi keterangan gambar baru. Saya tidak tahu mengapa tetapi saya tidak selalu mendapatkan
hasil yang sangat baik tetapi bagaimanapun juga bukan hasil tempat tidur.
Saya senang berbagi cara saya melakukannya, saya ingat bahwa saya bahkan menulis kecil
tutorial di mana saya menjelaskannya. Sudah cukup banyak waktu sejak saya bekerja
barang-barang itu tetapi segera setelah saya punya sedikit waktu saya akan meletakkan barang-barang itu
bersama-sama dan saya akan mengirimkan dokumentasinya.
Il giorno sab 6 giu 2020 alle ore 17:28 Thanh (Edward) Nguyen <
[email protected]> skrip:
Hai @mathblue https://github.com/mathblue ,
Sudahkah Anda berhasil menyelesaikan pelatihan dan kesimpulan tentang kebiasaan Anda?
Himpunan data? Bisakah Anda berbagi langkah-langkah bagaimana melakukannya? Terima kasih banyak.—
Anda menerima ini karena Anda disebutkan.
Balas email ini secara langsung, lihat di GitHub
https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/42#issuecomment-640077979 ,
atau berhenti berlangganan
https://github.com/notifications/unsubscribe-auth/AJT4BLX7DA4YO57S42YGFD3RVJOA5ANCNFSM4ISPICMA
.
Hai @mathblue ,
Terima kasih atas waktu Anda. Saya sangat ingin tahu dan tertarik dengan pekerjaan Anda, terutama melatih model pada subset poin kunci. Saya menantikan tutorial Anda.
Baiklah, saya harus meletakkan semua yang diperlukan untuk menjalankan kode di repositori ini, saya harap deskripsinya cukup jelas!
https://github.com/mathblue/Custom-Pose-Estimation-Yaw-Roll-Pitch-detection-tensorrt-compilation
Hai @mathblue ,
Terima kasih banyak!
Hai @Daniil-Osokin ,
Bisakah Anda menjelaskan sedikit tentang kelas ConvertKeypoints
?
https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/a52ab66b77f788cf9619857a4956f82c50e276be/datasets/transformations.py#L7
Terutama, dua baris ini:
https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/411ff9fd5f6125e1879cb73f6b4f90090184edad/datasets/transformations.py#L38
dan
https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/411ff9fd5f6125e1879cb73f6b4f90090184edad/datasets/transformations.py#L41
Saya kira keypoints[5] and keypoints[6]
bukan bahu?
Hai, ini mengubah keypoints
yang berisi keypoint dalam urutan COCO menjadi converted_keypoints
dalam urutan internal (hanya memetakan ulang dan menambahkan keypoint leher). Bahu sesuai dengan indeks ke-5 dan ke-6 dalam anotasi COCO asli .
Hai @Daniil-Osokin ,
Terima kasih. Anda benar: pesanan COCO
"keypoints": ["nose","left_eye","right_eye","left_ear","right_ear","left_shoulder","right_shoulder","left_elbow","right_elbow","left_wrist","right_wrist","left_hip","right_hip","left_knee","right_knee","left_ankle","right_ankle"]
Komentar yang paling membantu
Baiklah, saya harus meletakkan semua yang diperlukan untuk menjalankan kode di repositori ini, saya harap deskripsinya cukup jelas!
https://github.com/mathblue/Custom-Pose-Estimation-Yaw-Roll-Pitch-detection-tensorrt-compilation