![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
关键点估计
文章平均质量分 88
小小小绿叶
这个作者很懒,什么都没留下…
展开
-
mmpose关键点(四):优化关键点模型(原理与代码讲解,持续更新)
这种影响会随着特征尺寸的变大而更剧烈。Removing the Bias of Integral Pose Regression提出debias方法消除Softmax软化产生的影响。具体而言,假设响应值是符合高斯分布的,我们可以根据响应最大值点两倍的宽度,把特征图划分成四个区域:我们知道一旦经过Softmax,原本都是0值的2、3、4象限区域瞬间就会被长长的尾巴填满,而对于第1象限区域,由于响应值正处于区域的中央,因此不论响应值大小,该区域的估计期望值都会是准确的。让我们回到Softmax公式:原创 2022-10-27 17:48:21 · 4688 阅读 · 5 评论 -
关键点论文详解之:Human Pose Regression with Residual Log-likelihood Estimation(RLE)
做过关键点的同学都知道,一般Heatmap-based方法在性能上会优于Regression-based的方法。因为Heatmap-based方法通过显式地渲染高斯热图,让模型学习输出的目标分布,将输入图片滤波成为最终希望得到的高斯热图即可,这极大地简化了模型的学习难度,并且这种方式规定了学习的分布,相对于除了结果以外内部一切都是黑盒的Regression-based方法,对于各种情况(遮挡、动态模糊、截断等)要鲁棒得多。原创 2022-08-24 19:02:29 · 1741 阅读 · 0 评论 -
mmpose关键点(二):构建自己的训练集
mmpose一般使用如同coco数据json文件格式读取数据与标注,但是当我们用labelme去标注自己的训练集时,只能获取每张图片的标注json文件。接下来,我们简单介绍coco的关键点json文件,并教大家如何获得自己训练集的json文件。原创 2022-08-19 11:37:21 · 4317 阅读 · 13 评论 -
mmpose关键点(三):轻量型Lite-HRNet与onnx输出
最近,项目中需要在终端使用关键点检测,对于模型性能要求相对严苛。在这里我将讲解并记录模型优化的过程,希望对大家有所帮助。由于终端算力有限,在内存速度与性能需要权衡好,我选择轻量型关键点性能较好的Lite-HRNet作为模型的backbone。下面,将对Lite-HRNet模型与如何输出onnx模型详细讲解。...原创 2022-08-17 16:51:50 · 1865 阅读 · 2 评论 -
mmpose关键点(一):评价指标(PCK,OKS,mAP)
由于,近期项目需要引入关键点做一些方向逻辑的判断,在此记录一些实验与经典论文方法。首先,我们先了解一下关键点估计的评价指标。原创 2022-08-10 09:23:23 · 7934 阅读 · 5 评论