Lightweight-human-pose-estimation.pytorch: Tentang AP

Hai! Kami telah membandingkan dengan model asli dari makalah "Estimasi Pose 2D Multi-Orang Waktu Nyata menggunakan Bidang Afinitas Bagian" . Seperti yang Anda lihat pada tabel 4 paragraf 3.2 AP adalah 58,4%. Ini akan meningkat menjadi 61%, jika melakukan penyempurnaan tambahan untuk setiap orang yang ditemukan dengan model terpisah untuk estimasi pose orang tunggal (CPM). Dan 58,4% itu diperoleh dalam mode pengujian multi-skala (6 skala). 48,6% AP diperoleh dengan menggunakan skala tunggal untuk input data selama pengujian.

Terima kasih atas balasan Anda apa itu 6 skala Artinya satu tahap awal dan lima tahap penyempurnaan

Outlook untuk iOS https://aka.ms/o0ukef

: Daniil-Osokin [email protected]
: Jumat, 18 Desember 2020 23:14:00
Alamat: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
Alamat: augenstern-lwx [email protected] ; Penulis [email protected]
: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] Tentang AP (#124)

Hai! Kami telah membandingkan dengan model asli dari makalah "Estimasi Pose 2D Multi-Orang Waktu Nyata menggunakan Bidang Afinitas Bagian" https://arxiv.org/pdf/1611.08050.pdf . Seperti yang Anda lihat pada tabel 4 paragraf 3.2 AP adalah 58,4%. Ini akan meningkat menjadi 61%, jika melakukan penyempurnaan tambahan untuk setiap orang yang ditemukan dengan model terpisah untuk estimasi pose orang tunggal (CPM). Dan 58,4% itu diperoleh dalam mode pengujian multi-skala (6 skala). 48,6% AP diperoleh dengan menggunakan skala tunggal untuk input data selama pengujian.

kan
Anda menerima ini karena Anda yang menulis utas.
Balas email ini secara langsung, lihat di GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 , atau berhenti berlangganan https://github.com/ pemberitahuan/berhenti berlangganan-auth/AP5B6GF7L7XYMR3P3ZLMBGDSVNWTRANCNFSM4U65RKFQ .

Inferensi jaringan dilakukan 4 kali (bukan 6, itu kesalahan saya), setiap kali dengan resolusi gambar input yang berbeda (skala berbeda). Kemudian semua keluaran jaringan dirata-ratakan. Anda dapat memeriksa skrip validasi untuk detailnya, ini mendukung opsi multi-skala.

Terima kasih Mengapa multi-skala tidak digunakan pada waktu itu，bagaimanapunmetode ini dapat mencapai AP yang lebih tinggi？

Outlook untuk iOS https://aka.ms/o0ukef

: Daniil-Osokin [email protected]
: Sabtu, 19 Desember 2020 05:18:55
Alamat: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
Alamat: augenstern-lwx [email protected] ; Penulis [email protected]
: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] Tentang AP (#124)

Inferensi jaringan dilakukan 4 kali (bukan 6, itu kesalahan saya), setiap kali dengan resolusi gambar input yang berbeda (skala berbeda). Kemudian semua keluaran jaringan dirata-ratakan. Anda dapat memeriksa skrip validasi https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 untuk detailnya, ini mendukung opsi multi-skala.

kan
Anda menerima ini karena Anda yang menulis utas.
Balas email ini secara langsung, lihat di GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 , atau berhenti berlangganan https://github.com/ pemberitahuan/berhenti berlangganan-auth/AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

Dan saya ingin tahu apakah fungsi kerugiannya berbeda dengan OpenPose yang asli?

Dapatkan Outlook untuk iOS https://aka.ms/o0ukef

Dari: Lee Wen Hsing [email protected]
Waktu pengiriman: Sabtu, 19 Desember 2020 10:39:10
Penerima: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected] ; Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]. com
Cc: Penulis [email protected]
Subjek: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] Tentang AP (#124)

Terima kasih! Mengapa multi-skala tidak digunakan pada waktu itu, karena metode ini dapat mencapai AP yang lebih tinggi?

Dapatkan Outlook untuk iOS https://aka.ms/o0ukef

Dari: Daniil-Osokin [email protected]
Waktu pengiriman: Sabtu, 19 Desember 2020 05:18:55
Penerima: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
Cc: augenstern-lwx [email protected] ; Penulis [email protected]
Subjek: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] Tentang AP (#124)

Inferensi jaringan dilakukan 4 kali (bukan 6, itu kesalahan saya), setiap kali dengan resolusi gambar input yang berbeda (skala berbeda). Kemudian semua keluaran jaringan dirata-ratakan. Anda dapat memeriksa skrip validasi https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 untuk detailnya, ini mendukung opsi multi-skala.

kan
Anda menerima ini karena Anda yang menulis utas.
Balas email ini secara langsung, lihat di GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 , atau berhenti berlangganan https://github.com/ pemberitahuan/berhenti berlangganan-auth/AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

Menggunakan skala tunggal atau ganda untuk inferensi adalah pertukaran kecepatan/akurasi. Fungsi kerugiannya sama.

Terima kasih, saya ingin tahu cara menghitung kerugian setelah kombinasi tahap Peta Panas dan PAF？Karena OpenPose asli dihitung dengan dua tahap.

Ini hanya jumlah dari semua kerugian untuk peta panas dan paf. Anda dapat memeriksa skrip pelatihan untuk lebih jelasnya.

Terima kasih.

Outlook untuk iOS https://aka.ms/o0ukef

: Daniil-Osokin [email protected]
: Minggu, 20 Desember 2020 11:23:10 WIB
Alamat: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected]
Alamat: augenstern-lwx [email protected] ; Penulis [email protected]
: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] Tentang AP (#124)

Ini hanya jumlah dari semua kerugian untuk peta panas dan paf. Anda dapat memeriksa skrip pelatihan https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py untuk detail lebih lanjut.

kan
Anda menerima ini karena Anda yang menulis utas.
Balas email ini secara langsung, lihat di GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 , atau berhenti berlangganan https://github.com/ pemberitahuan/berhenti berlangganan-auth/AP5B6GEFLZNRTCBE4U5PCRLSVYJF5ANCNFSM4U65RKFQ .