2018年12月_梦之泪殇

12月 11月 10月 09月 08月 07月

原创 caffe+第三方opencv

介绍windows工程中既需要caffe，但caffe自带的opencv库并没有带3rdparty，因此需要使用另外的opencv库因为不知道如何在一个工程中使用多个版本的opencv，所以通过把opencv的第三方库屏蔽，整个工程使用同一个opencv库方法是把..\.caffe\dependencies\libraries_v140_x64_py27_1.1.0\librari...

2018-12-27 13:39:35 329

原创 Environment variable CLASSPATH not set!

hdfs 问题 Environment variable CLASSPATH not set!getJNIEnv: getGlobalJNIEnv failedWARNING: Logging before InitGoogleLogging() is written to STDERRF1220 15:20:07.861387 6897 hdfs_filesys.cc:100] Fa...

2018-12-20 16:21:16 2598 1

翻译 OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

介绍PAF 再包装加了一个新提出的数据集 OpenPosePAF 的介绍在之前的blog里有：https://blog.csdn.net/qq_25379821/article/details/84776888这里重点关注这个新提出的OpenPose数据集https://github.com/CMU-Perceptual-Computing-Lab/openpose ...

2018-12-20 14:04:47 308

原创 pytorch模型转mxnet

介绍gluon把mxnet再进行封装，封装的风格非常接近pytorch使用gluon的好处是非常容易把pytorch模型向mxnet转化唯一的问题是gluon封装还不成熟，封装好的layer不多，很多常用的layer 如concat,upsampling等layer都没有这里关注如何把pytorch 模型快速转换成 mxnet基于symbol 和 exector设计的网络pyt...

2018-12-16 11:28:16 3802 3

原创 mxnet进阶 - mx.io.NDArrayIter 源码分析

介绍想知道mxnet在训练过程或者验证过程中，如何通过iterator提供数据几个问题：如何构造iterator？训练或者测试时从iterator中获取数据，data_batch = next(iterator).getdata()，输出的data_batch是什么？又是怎么获得的？ provide_data，provide_label如何设计以及如何应用于module或exec...

2018-12-16 10:59:25 1705

原创 mxnet进阶 - mxnet.io.DataDesc 源码分析

全称应该叫Data Descriptor 数据描述子一个namedtuple的子类本质也是一个tuple，只不过对不同位置的元素命名了而已，可以通过命名访问到元素，和ordinaried字典类似mxnet.DataDesc 使用了两个信息描述数据name 是名字字符串 str shape 是数据形状元组里面存int类型的数 class DataDesc(namedtup...

2018-12-15 22:08:31 601

原创 linux setsid 后台跑程序

setsid python xxx.py &>log_12_13.log &

2018-12-14 19:40:40 679

翻译 PoseFix: Model-agnostic General Human Pose Refinement Network

介绍二维图像中的多人pose估计是理解人类行为的一项重要技术。本文提出了一种基于输入图像和输入位姿元组的人体pose refine网络，用在pose估计post processing中，调整pose估计的结果，（类似NMS使用重叠可能有假阳结果的先验，调整置信度）而文章所用的先验是：在以往的方法中，位姿的细化主要是通过端到端可训练的多阶段体系结构来实现的。如PAF，EPAF，Hourg...

2018-12-12 10:59:07 1063

翻译 Unsupervised Generation of Optical Flow Datasets from Videos in the Wild

摘要真实世界，非固定相机情况下，图像的稠密光流GroundTruths是不可得的，这是因为注释是非直观的，即标注是float类型的向量摘要针对光流深度网络的训练，提出了一种无监督的光流地面真实感生成算法该算法从视频中的图像对中提取并匹配感兴趣的对象，寻找初始约束条件，在感兴趣的物体上施加as-rigid-as-possible的变形以获得稠密的流场。通过使用流场对第一帧中的对象进行...

2018-12-12 10:24:08 400 1

翻译 ArtTrack: Articulated Multi-person Tracking in the Wild

摘要无约束场视频中，多人的articulated tracking(pose tracking)方法的起点类似现有的单帧姿态估计，但更快，通过以下两点做到:通过简化和稀疏的body-part关系图和利用最新的方法，以更快的推理通过将大量的计算工作转移到前馈卷积架构上，该架构即使在混乱（clutter）的情况，也能够检测并关联同一个人的身体关节利用上述得到的pose估计结果，把po...

2018-12-11 11:25:38 1402

原创 python - logging模块

print只能打印到控制台logging可以控制记录信息到各个地方（文件/控制台等）参考下面bloghttps://www.cnblogs.com/liujiacai/p/7804848.html

2018-12-10 14:56:38 175

原创 Mxnet入门1 - 全局认知

介绍入门blog看了很多，但是很少有blog总结性的介绍MXnet入门这blog针对开发者使用mxnet框架最关注的问题给予一个全局性的认知如果您有幸看到这篇博客，那么恭喜你，你享受了top-down的学习之路这是从bottom-up的坑中爬出来的经验分析熟悉深度学习框架有几个非常重要的问题：使用的数据类型？（NDArray类设计针对这个问题）如何设计网络（Sy...

2018-12-10 13:19:31 267

原创 Mxnet入门2 - 认识Executor 和 Module

介绍初看mxnet 对基于module的mxnet非常费解，这里首先根据本人摸索经验，总结对于基于module入门的顺序应该如下：熟悉基于Symbol的网络设计熟悉基于Executor的网络前传反传计算熟悉基于Module的网络训练上面入门顺序回答了深度学习开发者使用框架最关心的三个问题，同时也列出了对应的mxnet中面向这三个问题所设计的class，下面介绍 Moudle 和...

2018-12-10 11:35:39 581

原创 mxnet.gluon-blocks.save_params()

定义一个resnet-18网络import gluonbook as gbfrom mxnet.gluon import Trainer,data as gdata, nnfrom mxnet import init, ndimport osimport sysclass Residual(nn.Block): # 本类已保存在 gluonbook 包中方便以后使用。 ...

2018-12-08 20:50:43 662

原创 conda 安装太慢

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

2018-12-07 18:40:19 1153

原创 from torch._C import * ImportError: DLL load failed: 找不到指定的模块

“from torch._C import * ImportError: DLL load failed: 找不到指定的模块”这个问题可能是conda 安装时没有把conda路径添加到系统path中导致的如下添加路径即可

2018-12-07 18:37:07 8695 1

翻译 CrowdPose: Efficient Crowded Scenes Pose Estimation and A New Benchmark

摘要问题：拥挤场景中的pose估计文章提出自己的方法，包含两个关键点：joint-candidate single person pose estimation (SPPE) global maximum joints association该方法，对每个节点进行多峰预测，并利用图模型和全局关联，对拥挤场景中不可避免的干扰具有鲁棒性，推理效率高。介绍当前数据集MSCOCO，...

2018-12-06 17:05:44 1286 2

原创 windows下安装 python

使用 conda 管理 pythonconda，anaconda，miniconda 区别介绍可以参考这篇文章conda、miniconda、anaconda的区别以及在pycharm中选择conda的虚拟环境安装anacondaanaconda 下载地址：https://www.anaconda.com/download/安装好，去看看官网教程怎么用condaht...

2018-12-06 10:30:43 146

翻译 RMPE：Regional Multi-Person Pose Estimation

摘要多人姿态估计现存方法效果不错，但定位和识别上的小错误是不可避免的，这些错误会导致单人姿态估计的失败。文章提出一种新颖的框架——RMPE：Regional Multi-Person Pose Estimation 这框架包含了三个部分关键点：Symmetric Spatial Transformer Network (SSTN)，从不准确的包围框中提取高质量的单人区域。 P...

2018-12-05 21:08:53 373

翻译 JointFlow: Temporal Flow Fields for Multi Person Pose Tracking

摘要多目标姿态跟踪使用了时间流场(Temporal Flow Fields) 基于相邻两帧和时间网络的通用设计，使得其可以和多种人体姿态估计的空间网络搭配，这里指时间网络主要处理track问题，而空间网络主要针对detect问题使用CNN提取相邻两帧的图像feature 和 pose feature 时间网络根据这两种feature 推理出Temporal Flow Field...

2018-12-05 00:00:13 561 1

原创 pycharm 打开 gitlab 项目

首先从gitlab中把repository clone 下来然后在本地解压，打开pycharm，选择open选择刚刚解压的文件夹，然后OK成功了！

2018-12-04 21:43:48 2362

翻译 Multi-Person Pose Estimation for PoseTrack with Enhanced Part Affinity Fields

介绍进阶版的PAF，posetrack map 70！关键点冗余的PAF文中指出，由于PAF使用的聚合方法中，连接N个关节点只用了N-1条边，要取得完整的聚合需要所有部分都检测聚合正确，这是很难满足的，因此设置一些冗余的连接，可以提高聚合的效果。如下图所示，红色边是冗余的连接，当左elbow没有被检测到时，可以通过冗余的连接把wrist 和shoulder 连接起来，这设计提高...

2018-12-03 22:51:00 460

翻译 Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

介绍2017年的工作多人pose估计使用bottom-up的思路方法使用CNN从图像中检测关节热点图和PAF，CNN的结构如下，关节热点的估计和PAF的估计分别用两条之路，结果结合在一起送给下一层refine，使用多层refine 的方法获得更好的结果，个人觉得多层优化并不是最大的创新，最大的创新在于PAF对于关节热点图估计的辅助作用，以及后面使用PAF进行关节匹配聚合。...

2018-12-03 18:34:45 310

翻译 MOT2016

介绍MOT16: A Benchmark for Multi-Object Tracking多目标跟踪，相比MOT15：注释框更多多目标类别多种感兴趣目标的可见程度这里主要关注它的评价体系，MOTA和MOTP，用于posetrack评价体系中评价指标没有最好的指标，选择“正确的”评估标准很大程度上依赖于应用程序，对一种独特的、通用的评估标准的探索仍在进行中：一方面...

2018-12-02 22:33:43 696

翻译 PoseTrack: Joint Multi-Person Pose Estimation and Tracking

介绍文章指出现有的方法不能直接解决posetrack问题，因为这个问题包括两个问题，一个pose估计，一个是track本文提出一个新颖的方法和一个数据集剑指同时解决这个两个子问题，方法有几个关键点用一个时空graph，表达视频中姿态估计通过求解一个整数线性规划问题（integer linear program）去把这个图分割成子图，每个子图仅含有单个人的pose时空轨迹这个问题...

2018-12-02 11:28:45 3329

翻译 Stacked Hourglass Networks for Human Pose Estimation

介绍这是一篇2016年做单人姿态估计的文章实验用的是MPII sigle 和 FLIC ，指标PCKh通过堆叠沙漏结构的网络进行人体姿态估计沙漏结构指通过pooling得到低分辨率的特征，然后通过上采样得到高分辨率特征的网络结构论文指出该网络可以捕获并控制图像所有尺度上的信息。另一方面，沙漏网络区别于先前的设计，主要在其更对称的拓扑结构。通过连续堆放这样的沙漏网...

2018-12-01 21:53:27 487