Lightweight-human-pose-estimation.pytorch: trem No.3

Criado em 21 mar. 2021  ·  6Comentários  ·  Fonte: Daniil-Osokin/lightweight-human-pose-estimation.pytorch

Olá! Eu quero fazer duas perguntas. Em primeiro lugar, tentei treinar o No.3 (--from-mobilenet) e treinar 285.000 iters. No entanto, não detectei nenhum ponto ou linha quando executei a demonstração com ele. Você sabe qual é o problema? É porque eu não treinei para a etapa quatro ou cinco? Em segundo lugar, você pode me dizer o quanto você perdeu no final do seu treinamento? Eu quero saber a perda aproximada quando podemos parar de treinar. Treinei 285.000 iters, minhas perdas são as seguintes:
image

Todos 6 comentários

Eu tive esse problema durante o treinamento e comentei essa linha de código em train.py (#evaluate (val_labels, val_output_name, val_images_folder, net)). Esta linha de código está comentada, então não há resultado? Você tem alguma solução?
image

Olá, eu vi sua resposta anterior. Agora estou destacando 19 pontos-chave e modifiquei o código. Os conjuntos de dados que usei são do Val2017 e Train2017 baixados do site oficial da Coco. Quer dizer que preciso rotular novamente os dados? O conjunto de dados baixado do site oficial da Coco já não está marcado?
image

Oi! Em primeiro lugar, verifique se o modelo pré-treinado fornecido funciona para validação. Isso dirá se a validação funciona. Em seguida, verifique o arquivo de saída com os resultados da previsão de seu ponto de verificação. Se estiver vazio, esse erro pode ocorrer. Então, se estiver vazio, tente visualizar o avg_heatmaps para ver se algo foi detectado. As curvas de perda estão aqui: # 10, a sua parece razoável.

Oi! Em primeiro lugar, verifique se o modelo pré-treinado fornecido funciona para validação. Isso dirá se a validação funciona. Em seguida, verifique o arquivo de saída com os resultados da previsão de seu ponto de verificação. Se estiver vazio, esse erro pode ocorrer. Então, se estiver vazio, tente visualizar o avg_heatmaps para ver se algo foi detectado. As curvas de perda estão aqui: # 10, a sua parece razoável.

Obrigado por sua pronta resposta. Obrigado pelo seu conselho. Vou tentar. Eu também quero fazer duas perguntas a vocês. Em primeiro lugar, os pontos-chave que quero definir agora são 20 e quero adicionar um nó de cintura. Gostaria de perguntar se posso usar diretamente o conjunto de dados COCO. No entanto, o conjunto de dados COCO anota apenas 18 pontos-chave. Se eu quiser definir 20 pontos-chave, preciso anotar o conjunto de dados COCO novamente?
Em segundo lugar, os pontos-chave podem ser detectados se apenas a terceira etapa for realizada,? Ou os pontos-chave e as conexões podem ser detectados somente após as etapas de treinamento completas terem sido realizadas?
Ansioso por sua resposta! Obrigado!

Sim, você deve rotular de alguma forma a cintura para as pessoas, manualmente ou calculando a partir das já existentes. Os pontos-chave podem ser detectados após a terceira etapa (veja, há uma etapa de validação durante o treinamento, portanto, após algumas iterações iniciais, por exemplo, 5000, pontos-chave são detectados, tente visualizar os mapas de calor).

Sim, você deve rotular de alguma forma a cintura para as pessoas, manualmente ou calculando a partir das já existentes. Os pontos-chave podem ser detectados após a terceira etapa (veja, há uma etapa de validação durante o treinamento, portanto, após algumas iterações iniciais, por exemplo, 5000, pontos-chave são detectados, tente visualizar os mapas de calor).
Obrigado por sua pronta resposta. Entendo!

Esta página foi útil?
0 / 5 - 0 avaliações

Questões relacionadas

zhenzhongle picture zhenzhongle  ·  5Comentários

tangfayuan picture tangfayuan  ·  7Comentários

jinfagang picture jinfagang  ·  18Comentários

mathblue picture mathblue  ·  12Comentários

augenstern-lwx picture augenstern-lwx  ·  9Comentários