Lightweight-human-pose-estimation.pytorch: AP에 대하여

안녕하세요! 우리는 "Part Affinity Fields를 사용한 실시간 Multi-Person 2D Pose Estimation" 논문의 원본 모델과 비교했습니다. 단락 3.2의 표 4에서 볼 수 있듯이 AP는 58.4%입니다. 1인 포즈 추정(CPM)을 위한 별도의 모델로 발견된 각 사람에 대해 추가 미세 조정을 수행하면 61%로 증가합니다. 그리고 그 58.4%는 다중 스케일 테스트 모드(6 스케일)에서 획득되었습니다. 테스트 중 입력 데이터에 대해 단일 척도를 사용하여 AP의 48.6%를 얻습니다.

답변 감사합니다！6척이란 무엇입니까？초기 1단계와 정제 5단계를 의미합니까?

获取 iOS용 Outlook https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送时间: 2020년 12월 18일 금요일 오후 11:14:00
收件人: Daniil-Osokin/lightweight-human-pose-estimation.pytorch 경량 -인간-포즈[email protected]
抄送: augenstern-lwx [email protected] ; 저자 저자 @noreply.github.com
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP 소개(#124)

안녕하세요! https://arxiv.org/pdf/1611.08050.pdf "Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields" 논문의 원본 모델과 비교했습니다. 단락 3.2의 표 4에서 볼 수 있듯이 AP는 58.4%입니다. 1인 포즈 추정(CPM)을 위한 별도의 모델로 발견된 각 사람에 대해 추가 미세 조정을 수행하면 61%로 증가합니다. 그리고 그 58.4%는 다중 스케일 테스트 모드(6 스케일)에서 획득되었습니다. 테스트 중 입력 데이터에 대해 단일 척도를 사용하여 AP의 48.6%를 얻습니다.

―
스레드를 작성했기 때문에 이 메시지를 받는 것입니다.
이 이메일에 직접 답장하거나 GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 에서 확인하거나 https://github.com/ 구독을 취소

네트워크 추론은 매번 다른 입력 이미지 해상도(다른 스케일)로 4번 수행되었습니다(6번이 아니라 제 실수입니다). 그런 다음 모든 네트워크 출력의 평균을 구했습니다. 자세한 내용은 유효성 검사 스크립트 를 확인할 수 있으며 멀티 스케일 옵션을 지원합니다.

감사합니다! 왜 그 당시에는 멀티 스케일이 사용되지 않았습니까?결국 이 방법으로 더 높은 AP를 얻을 수 있습니까?

获取 iOS용 Outlook https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送时间: 2020년 12월 19일 토요일 오전 5:18:55
收件人: Daniil-Osokin/lightweight-human-pose-estimation.pytorch 경량 -인간-포즈[email protected]
抄送: augenstern-lwx [email protected] ; 저자 저자 @noreply.github.com
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP 소개(#124)

네트워크 추론은 매번 다른 입력 이미지 해상도(다른 스케일)로 4번 수행되었습니다(6번이 아니라 제 실수입니다). 그런 다음 모든 네트워크 출력의 평균을 구했습니다. 자세한 내용은 유효성 검사 스크립트 https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 에서 확인할 수 있으며 멀티 스케일 옵션을 지원합니다.

―
스레드를 작성했기 때문에 이 메시지를 받는 것입니다.
이 이메일에 직접 답장하거나 GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 에서 확인하거나 https://github.com/ 구독을 취소

그리고 손실 함수가 원래 OpenPose와 다른지 궁금합니다.

iOS용 Outlook 다운로드 https://aka.ms/o0ukef

보낸 사람: Lee Wen Hsing [email protected]
전송 시간: 2020년 12월 19일 토요일 오전 10:39:10
받는 사람: Daniil-Osokin/lightweight-human-pose-estimation.pytorch [email protected] , . com
참조: 저자 [email protected]
제목: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP 정보(#124)

감사합니다! 그 당시에는 왜 멀티스케일을 사용하지 않았는데 이 방법이 더 높은 AP를 얻을 수 있었던 걸까요?

iOS용 Outlook 다운로드 https://aka.ms/o0ukef

보낸 사람: Daniil-Osokin [email protected]
전송 시간: 2020년 12월 19일 토요일 오전 5:18:55
받는 사람 : 다닐-Osokin / 경량 - 인간 포즈-estimation.pytorch [email protected]
참조: augenstern-lwx [email protected] ; 저자 [email protected]
제목: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP 정보(#124)

네트워크 추론은 매번 다른 입력 이미지 해상도(다른 스케일)로 4번 수행되었습니다(6번이 아니라 제 실수입니다). 그런 다음 모든 네트워크 출력의 평균을 구했습니다. 자세한 내용은 유효성 검사 스크립트 https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 에서 확인할 수 있으며 멀티 스케일 옵션을 지원합니다.

―
스레드를 작성했기 때문에 이 메시지를 받는 것입니다.
이 이메일에 직접 답장하거나 GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 에서 확인하거나 https://github.com/ 구독을 취소

추론을 위해 단일 또는 다중 척도를 사용하는 것은 속도/정확도를 절충하는 것입니다. 손실 기능은 동일합니다.

감사합니다. Heatmap과 PAF 단계를 결합한 후 손실을 계산하는 방법을 알고 싶습니다?원래 OpenPose는 두 단계로 계산되기 때문입니다.

히트맵과 pafs에 대한 모든 손실의 합일 뿐입니다. 자세한 내용은 교육 스크립트 를 확인할 수 있습니다.

감사합니다.

获取 iOS용 Outlook https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送时间: 2020년 12월 20일 일요일 오후 11:23:10
收件人: Daniil-Osokin/lightweight-human-pose-estimation.pytorch 경량 -인간-포즈[email protected]
抄送: augenstern-lwx [email protected] ; 저자 저자 @noreply.github.com
主题: Re: [Daniil-Osokin/lightweight-human-pose-estimation.pytorch] AP 소개(#124)

히트맵과 pafs에 대한 모든 손실의 합일 뿐입니다. 자세한 내용은 교육 스크립트 https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py 를 확인할 수 있습니다.

―
스레드를 작성했기 때문에 이 메시지를 받는 것입니다.
이 이메일에 직접 답장하거나 GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 에서 확인하거나 https://github.com/ 구독을 취소