Lightweight-human-pose-estimation.pytorch: APについて

やあ！ 論文「PartAffinityFieldsを使用したリアルタイムマルチパーソン2Dポーズ推定」の元のモデルと比較しました。 3.2項の表4からわかるように、APは58.4％です。 一人のポーズ推定（CPM）の個別のモデルを使用して、見つかった人物ごとに追加の改良を行うと、61％に増加します。 そして、それらの58.4％は、マルチスケールテストモード（6スケール）で得られました。 APの48.6％は、テスト中の入力データに単一のスケールを使用して取得されます。

お返事ありがとうございます！6つのスケールとは何ですか？それは1つの初期段階と5つの洗練段階を意味しますか？

获取Outlookfor iOS https://aka.ms/o0ukef

发件人：ダニール・-Osokin [email protected]
ρ送時間：2020年12月18日金曜日午後11時14分
収件人：Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ; 著者[email protected]
主题：Re：[Daniil-Osokin / lightweight-human-pose-estimation.pytorch] APについて（＃124）

やあ！ 論文「PartAffinityFieldsを使用したリアルタイムマルチパーソン2Dポーズ推定」 https://arxiv.org/pdf/1611.08050.pdfの元のモデルと比較しました。 3.2項の表4からわかるように、APは58.4％です。 一人のポーズ推定（CPM）の個別のモデルを使用して、見つかった人物ごとに追加の改良を行うと、61％に増加します。 そして、それらの58.4％は、マルチスケールテストモード（6スケール）で得られました。 APの48.6％は、テスト中の入力データに単一のスケールを使用して取得されます。

―
スレッドを作成したため、これを受け取っています。
このメールに直接返信するか、GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927で表示するか、 https：//github.com/の登録を解除して

ネットワーク推論は4回実行され（6回ではなく、私の間違いです）、毎回異なる入力画像解像度（異なるスケール）で実行されました。 次に、すべてのネットワーク出力が平均化されました。 詳細については、検証スクリプトを確認できます。マルチスケールオプションがサポートされています。

ありがとう！当時、マルチスケールが使われていなかったのはなぜですか、結局、この方法でより高いAPを達成できるのでしょうか？

获取Outlookfor iOS https://aka.ms/o0ukef

发件人：ダニール・-Osokin [email protected]
ρ送時間：2020年12月19日土曜日5:18:55 AM
収件人：Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ; 著者[email protected]
主题：Re：[Daniil-Osokin / lightweight-human-pose-estimation.pytorch] APについて（＃124）

ネットワーク推論は4回実行され（6回ではなく、私の間違いです）、毎回異なる入力画像解像度（異なるスケール）で実行されました。 次に、すべてのネットワーク出力が平均化されました。 詳細については、検証スクリプトhttps://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117を確認できます。マルチスケールオプションがサポートされています。

―
スレッドを作成したため、これを受け取っています。
このメールに直接返信するか、GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241で表示するか、 https：//github.com/の登録を解除して

そして、損失関数は元のOpenPoseとは異なるのだろうか？

iOS用のOutlookを入手するhttps://aka.ms/o0ukef

差出人：Lee Wen Hsing [email protected]
送信時間：2020年12月19日土曜日10:39:10 AM
受信者：Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected] ; Daniil-Osokin / lightweight-human-pose-estimation.pytorchlightweight-human-pose-estimation.pytorch@noreply.github 。 com
Cc：作成者[email protected]
件名：Re：[Daniil-Osokin / lightweight-human-pose-estimation.pytorch] APについて（＃124）

ありがとうございました！ 当時、マルチスケールが使用されていなかったのはなぜですか。結局、この方法でより高いAPを達成できるのでしょうか。

iOS用のOutlookを入手するhttps://aka.ms/o0ukef

投稿者：ダニール・-Osokin [email protected]
送信時間：2020年12月19日土曜日5:18:55 AM
受信者：Daniil-Osokin / lightweight-human-pose-estimation.pytorchlightweight-human-pose-estimation.pytorch@noreply.github.com
Cc：augenstern-lwx [email protected] ;作成者[email protected]
件名：Re：[Daniil-Osokin / lightweight-human-pose-estimation.pytorch] APについて（＃124）

ネットワーク推論は4回実行され（6回ではなく、私の間違いです）、毎回異なる入力画像解像度（異なるスケール）で実行されました。 次に、すべてのネットワーク出力が平均化されました。 詳細については、検証スクリプトhttps://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117を確認できます。マルチスケールオプションがサポートされています。

―
スレッドを作成したため、これを受け取っています。
このメールに直接返信するか、GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241で表示するか、 https：//github.com/の登録を解除して

推論に単一または複数のスケールを使用することは、速度と精度のトレードオフです。 損失関数は同じです。

おかげで、ヒートマップとPAFのステージを組み合わせた後の損失を計算する方法を知りたいですか？元のOpenPoseは2つのステージで計算されるためです。

これは、ヒートマップとpafのすべての損失の合計にすぎません。 詳細については、トレーニングスクリプトを確認してください。

ありがとうございました。

获取Outlookfor iOS https://aka.ms/o0ukef

发件人：ダニール・-Osokin [email protected]
完了時間：2020年12月20日日曜日午後11時23分10秒
収件人：Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送：augenstern-lwx [email protected] ; 著者[email protected]
主题：Re：[Daniil-Osokin / lightweight-human-pose-estimation.pytorch] APについて（＃124）

これは、ヒートマップとpafのすべての損失の合計にすぎません。 詳細については、トレーニングスクリプトhttps://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.pyを確認してください。

―
スレッドを作成したため、これを受け取っています。
このメールに直接返信するか、GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504で表示するか、 https：//github.com/の登録を解除して