Lightweight-human-pose-estimation.pytorch: 이 작업의 정확도를 높이는 방법은 무엇입니까?

안녕! 여기서 문제는 개선하려는 개체의 정확성입니다. 크기/크기/모양이 다른가요? 가장 간단한 방법은 네트워크 입력 해상도를 높이는 것입니다.

당신의 답변에 감사드립니다.
내 아이디어는 귀하의 작업을 기반으로 합니다( checkpoint _ iter _ 370000 도달 map = 40 % ). 모바일 넷을 40% 이상으로 개선하거나 모델을 더 가볍게 만들었지만 거의 2년 동안 여러 사전 학습 모델을 변경했으며 효과가 모바일넷 _ sgd _ 68.848.pth만큼 좋지 않다는 것을 발견했습니다. 아이디어.
마지막으로 건강을 기원하며 원활하게 일하십시오!

오, 알겠어. 항상 주의를 기울일 수 있습니다(예: "Squeeze-and-Excitation Networks" ). 그러면 정확도가 향상될 것입니다. 정확도를 향상시키는 또 하나의 방법은 네트워크 출력 해상도를 높이는 것입니다. 이제 입력을 8번 다운샘플링하고 대부분의 다른 모델은 입력을 4번만 다운샘플링합니다. 추가해야 할 중요한 것은 다중 스케일 감독(예: "인간 포즈 추정을 위한 다중 스케일 구조 인식 네트워크" , "HigherHRNet: 상향식 인간 포즈 추정을 위한 스케일 인식 표현 학습" )입니다. 또 하나의 트릭은 개선된 키포인트 위치에 대한 투표 맵입니다. 맵의 각 출력 픽셀은 가장 가까운 키포인트 또는 종류(예: "PifPaf: 인간 포즈 추정을 위한 복합 필드" , "분포 인식 인간 포즈 추정을 위한 좌표 표현" ). 변형 가능한 컨볼루션, 하드 예제 마이닝 등과 같은 몇 가지 사소한 트릭도 있습니다. MobileNet 대신에 EfficientNet 백본(사전 훈련된 가중치 포함)이 정확도를 향상시킬 것이라고 믿습니다. 정확도 향상에 관한 것입니다. 추론 속도를 향상시키는 것은 상대적으로 쉬워야 합니다(그러나 트릭은 특정 추론 장치와 다릅니다). 최소한 증류나 가지치기는 작동합니다.

당신의 제안에 감사드립니다. 진지하게 반성하고 노력하겠습니다. 대단히 감사합니다!
당신은 책임감 있고 친절한 '블로거'입니다.

알겠습니다. 닫습니다.