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

Oi! Comparamos com o modelo original do artigo "Estimativa de pose 2D de várias pessoas em tempo real usando campos de afinidade de peças" . Como você pode ver na tabela 4 do parágrafo 3.2 o AP é de 58,4%. Ele aumentará para 61%, se for feito um refinamento adicional para cada pessoa encontrada com um modelo separado para estimativa de pose de pessoa única (CPM). E esses 58,4% foram obtidos no modo de teste multi-escala (6 escalas). 48,6% do AP é obtido usando uma única escala para dados de entrada durante o teste.

Obrigado pela sua resposta！ o que são 6 escalas？ Significa que um estágio inicial e cinco estágios de refinamento？

获取 Outlook para iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: sexta-feira, 18 de dezembro de 2020, 23:14
收件人: Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Autor [email protected]
主题: Re: [Daniil-Osokin / lightweight-human-pose-estimation.pytorch] Sobre AP (# 124)

Oi! Comparamos com o modelo original do artigo "Estimativa de pose 2D de várias pessoas em tempo real usando campos de afinidade de peças" https://arxiv.org/pdf/1611.08050.pdf . Como você pode ver na tabela 4 do parágrafo 3.2 o AP é de 58,4%. Ele aumentará para 61%, se for feito um refinamento adicional para cada pessoa encontrada com um modelo separado para estimativa de pose de pessoa única (CPM). E esses 58,4% foram obtidos no modo de teste multi-escala (6 escalas). 48,6% do AP é obtido usando uma única escala para dados de entrada durante o teste.

-
Você está recebendo isto porque é o autor do tópico.
Responda a este e-mail diretamente, visualize-o no GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 ou cancele a inscrição https://github.com/ notificações / unsubscribe-auth / AP5B6GF7L7XYMR3P3ZLMBGDSVNWTRANCNFSM4U65RKFQ .

A inferência de rede foi realizada 4 vezes (não 6, é o meu erro), cada vez com resolução de imagem de entrada diferente (escala diferente). Em seguida, todas as saídas da rede foram calculadas. Você pode verificar o script de validação para os detalhes, ele suporta a opção de escala múltipla.

Obrigado！ Por que as escalas múltiplas não eram usadas naquela época, afinal, este método pode atingir AP mais alto？

获取 Outlook para iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: sábado, 19 de dezembro de 2020 5:18:55 AM
收件人: Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Autor [email protected]
主题: Re: [Daniil-Osokin / lightweight-human-pose-estimation.pytorch] Sobre AP (# 124)

A inferência de rede foi realizada 4 vezes (não 6, é o meu erro), cada vez com resolução de imagem de entrada diferente (escala diferente). Em seguida, todas as saídas da rede foram calculadas. Você pode verificar o script de validação https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 para os detalhes, ele suporta a opção multi-escala.

-
Você está recebendo isto porque é o autor do tópico.
Responda a este e-mail diretamente, visualize-o no GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ou cancele a inscrição https://github.com/ notificações / unsubscribe-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

E eu me pergunto se a função de perda é diferente do OpenPose original?

Obtenha o Outlook para iOS https://aka.ms/o0ukef

De: Lee Wen Hsing [email protected]
Horário de envio: sábado, 19 de dezembro de 2020 10:39:10
Destinatário: Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected] ; Daniil-Osokin / lightweight-human-pose-estimation.pytorch lightweight-human-pose-estimation.pytorch@noreply. Github. com
Cc: Autor [email protected]
Assunto: Re: [Daniil-Osokin / lightweight-human-pose-estimation.pytorch] Sobre AP (# 124)

Obrigado! Por que não se usava multiescalas naquela época, afinal, esse método pode atingir PA mais alto?

Obtenha o Outlook para iOS https://aka.ms/o0ukef

De: Daniil-Osokin [email protected]
Hora de envio: sábado, 19 de dezembro de 2020 5:18:55 AM
Destinatário: Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
Cc: augenstern-lwx [email protected] ; Autor [email protected]
Assunto: Re: [Daniil-Osokin / lightweight-human-pose-estimation.pytorch] Sobre AP (# 124)

A inferência de rede foi realizada 4 vezes (não 6, é o meu erro), cada vez com resolução de imagem de entrada diferente (escala diferente). Em seguida, todas as saídas da rede foram calculadas. Você pode verificar o script de validação https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 para os detalhes, ele suporta a opção multi-escala.

-
Você está recebendo isto porque é o autor do tópico.
Responda a este e-mail diretamente, visualize-o no GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 ou cancele a inscrição https://github.com/ notificações / unsubscribe-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

Usar escalas únicas ou múltiplas para inferência é uma troca de velocidade / precisão. A função de perda é a mesma.

Obrigado, gostaria de saber como calcular a perda após a combinação dos estágios Heatmaps e PAFs？ Porque o OpenPose original é calculado por dois estágios.

É apenas uma soma de todas as perdas para mapas de calor e pafs. Você pode verificar o script de treinamento para mais detalhes.

Obrigada.

获取 Outlook para iOS https://aka.ms/o0ukef

发件人: Daniil-Osokin [email protected]
发送 时间: domingo, 20 de dezembro de 2020, 23:23:10
收件人: Daniil-Osokin / lightweight-human-pose-estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Autor [email protected]
主题: Re: [Daniil-Osokin / lightweight-human-pose-estimation.pytorch] Sobre AP (# 124)

É apenas uma soma de todas as perdas para mapas de calor e pafs. Você pode verificar o script de treinamento https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py para obter mais detalhes.

-
Você está recebendo isto porque é o autor do tópico.
Responda a este e-mail diretamente, visualize-o no GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 ou cancele a inscrição https://github.com/ notificações / unsubscribe-auth / AP5B6GEFLZNRTCBE4U5PCRLSVYJF5ANCNFSM4U65RKFQ .