Lightweight-human-pose-estimation.pytorch: Tentando com MobileNet-V2

Por favor, verifique o papel. Em suma, não deu nenhuma melhoria de velocidade / precisão.

Eu verifiquei. No entanto, estava tentando implementar MobileNetV2 em seu algoritmo. Estou recebendo erros. Você pode compartilhar o código, por favor?
Obrigado,

Ou se você puder compartilhar o modelo pré-treinado para MobileNet V2, isso também seria ótimo!

Eu não tenho esse código. Você pode postar o erro, pode ser possível depurá-lo.

OK. Obrigado!

Eu li seu artigo sobre esta implementação e tenho uma pergunta. O que 'cortar para conv4_1', 'cortar para conv5_5', etc. significa na seleção de backbone MobileNet?

Isso significa quantas camadas do backbone ocupam. MobileNet v1 tem 6 blocos, que consistem em convoluções profundas e convoluções pontuais 1x1. Depois de cada passo do bloco crescer (há convolução com passo == 2). O primeiro número conv 5 _5 é o índice do bloco, o segundo conv5_ 5 é o índice da convolução (em profundidade + pontual) dentro do bloco. Removemos a passada em conv4_2 e adicionamos dilatação em conv5_1, você pode verificar no código .

Legal. Isso explica muita coisa.

Obrigado mais uma vez!

Você é bem vindo!

Existe alguma maneira específica de calcular GLOPS e número de parâmetros? Estou planejando usar https://github.com/sovrasov/flops-counter.pytorch

Este está ok, parece que o usamos. Você também pode instalá-lo por meio do pip .