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

Привет! Мы сравнили с исходной моделью из статьи «Оценка позы в режиме реального времени для нескольких людей с использованием полей сродства частей» . Как видно из таблицы 4 пункта 3.2, AP составляет 58,4%. Он увеличится до 61%, если выполнить дополнительное уточнение для каждого найденного человека с отдельной моделью для оценки позы одного человека (CPM). И эти 58,4% были получены в режиме многомасштабного тестирования (6 шкал). 48,6% AP получено с использованием единой шкалы входных данных во время тестирования.

Спасибо за ответ！ что такое 6 шкал？ Значит, одна начальная стадия и пять стадий доработки？

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

发件人: Даниил-Осокин [email protected]
发送 时间: пятница, 18 декабря 2020 г., 23:14:00
收件人: Даниил-Осокин / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Автор [email protected]
主题: Re: [Даниил-Осокин / lightweight-human-pose-rating.pytorch] О AP (# 124)

Привет! Мы сравнили с исходной моделью из статьи «Оценка двухмерных поз в реальном времени с использованием полей сродства частей» https://arxiv.org/pdf/1611.08050.pdf . Как видно из таблицы 4 пункта 3.2, AP составляет 58,4%. Он увеличится до 61%, если выполнить дополнительное уточнение для каждого найденного человека с отдельной моделью для оценки позы одного человека (CPM). И эти 58,4% были получены в режиме многомасштабного тестирования (6 шкал). 48,6% AP получено с использованием единой шкалы входных данных во время тестирования.

-
Вы получаете это, потому что вы являетесь автором темы.
Ответьте на это письмо напрямую, просмотрите его на GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748143927 или откажитесь от подписки https://github.com/ уведомления / отписаться-auth / AP5B6GF7L7XYMR3P3ZLMBGDSVNWTRANCNFSM4U65RKFQ .

Сетевой вывод производился 4 раза (а не 6, это моя ошибка), каждый раз с разным разрешением входного изображения (разный масштаб). Затем все сетевые выходы были усреднены. Вы можете проверить сценарий проверки для деталей, он поддерживает многомасштабную опцию.

Спасибо！ Почему в то время не использовались мультиметры ， в конце концов ， этим методом можно добиться более высокого AP？

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

发件人: Даниил-Осокин [email protected]
时间: суббота, 19 декабря 2020 г., 5:18:55
收件人: Даниил-Осокин / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Автор [email protected]
主题: Re: [Даниил-Осокин / lightweight-human-pose-rating.pytorch] О AP (# 124)

Сетевой вывод производился 4 раза (а не 6, это моя ошибка), каждый раз с разным разрешением входного изображения (разный масштаб). Затем все сетевые выходы были усреднены. Вы можете проверить скрипт проверки https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 , он поддерживает многомасштабный вариант.

-
Вы получаете это, потому что вы являетесь автором темы.
Ответьте на это письмо напрямую, просмотрите его на GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 или откажитесь от подписки https://github.com/ уведомления / отписаться-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

И мне интересно, отличается ли функция потерь от оригинального OpenPose?

Загрузите Outlook для iOS https://aka.ms/o0ukef

От: Ли Вен Син [email protected]
Время отправки: суббота, 19 декабря 2020 г., 10:39:10
Получатель: Даниил-Осокин / lightweight-human-pose- rating.pytorch [email protected] ; Даниил-Осокин / lightweight-human-pose-Estimation.pytorch [email protected]. ком
Копия: Автор [email protected]
Тема: Re: [Даниил-Осокин / lightweight-human-pose-rating.pytorch] О AP (# 124)

Спасибо! Почему в то время не использовались мульти-шкалы, ведь этим методом можно добиться более высокого AP?

Загрузите Outlook для iOS https://aka.ms/o0ukef

От: Даниил-Осокин [email protected]
Время отправки: суббота, 19 декабря 2020 г., 5:18:55
Получатель: Даниил-Осокин / lightweight-human-pose-Estimation.pytorch [email protected]
Копия: augenstern-lwx [email protected] ; Автор [email protected]
Тема: Re: [Даниил-Осокин / lightweight-human-pose-rating.pytorch] О AP (# 124)

Сетевой вывод производился 4 раза (а не 6, это моя ошибка), каждый раз с разным разрешением входного изображения (разный масштаб). Затем все сетевые выходы были усреднены. Вы можете проверить скрипт проверки https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/2df5db059db1a043169b65b633d7bb3b8efd13a6/val.py#L117 , он поддерживает многомасштабный вариант.

-
Вы получаете это, потому что вы являетесь автором темы.
Ответьте на это письмо напрямую, просмотрите его на GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748324241 или откажитесь от подписки https://github.com/ уведомления / отписаться-auth / AP5B6GHRN44MSCXSFQTIEN3SVPBL7ANCNFSM4U65RKFQ .

Использование одной или нескольких шкал для вывода - это компромисс между скоростью и точностью. Функция потерь такая же.

Спасибо, я хотел бы знать, как рассчитать убыток после комбинации этапов тепловых карт и PAF？ Потому что исходный OpenPose рассчитывается в два этапа.

Это просто сумма всех потерь для тепловых карт и паф. Вы можете проверить сценарий обучения для получения более подробной информации.

Спасибо.

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

发件人: Даниил-Осокин [email protected]
发送 时间: воскресенье, 20 декабря 2020 г., 23:23:10
收件人: Даниил-Осокин / lightweight-human-pose-Estimation.pytorch [email protected]
抄送: augenstern-lwx [email protected] ; Автор [email protected]
主题: Re: [Даниил-Осокин / lightweight-human-pose-rating.pytorch] О AP (# 124)

Это просто сумма всех потерь для тепловых карт и паф. Вы можете проверить сценарий обучения https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/blob/master/train.py для получения более подробной информации.

-
Вы получаете это, потому что вы являетесь автором темы.
Ответьте на это письмо напрямую, просмотрите его на GitHub https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch/issues/124#issuecomment-748621504 или откажитесь от подписки https://github.com/ уведомления / отписаться-auth / AP5B6GEFLZNRTCBE4U5PCRLSVYJF5ANCNFSM4U65RKFQ .