【存】Alphapose训练自己的数据集

因为没有搜到相关的资料，所以训练的时候走了很多弯路，现在把整个步骤整理一下：

一、标注图片

        因为只需要关键点数据 ，所以只标注了bbox框和人体关键点，使用的是labelme（这部分网上有很多教程），时间宽裕的话最好把segmentation也标注一下，验证的时候需要分割框的area（但是我没标，用目标检测框的1/2代替了一下）

        标注完图片后将labelme文件转成coco格式，得到一个完整的json文件，考虑到已有的config文件中是测试集和验证集合并的格式，将其分成4：1的格式。

二、训练前的准备

        首先，我是基于.\configs\coco\resnet\256x192_res50_lr1e-3_1x.yaml修改的，如下图所示。我们需要把json文件放在data文件夹下，然后按照格式去修改ROOT和ANN。

        值得注意的是，因为我之前标注的时候每张图都只标注了单人，但在进行detection的时候会生成图中所有人物的矩形框，储存在DET_FILE中，这导致了mAP的值极低，所以我们需要修改DET_FILE，将多余的框全都删除（基本是保留score最高的bbox）；另外需要修改area的值，如果只标注了关键点，area的值为0，我们可以通过计算bbox的面积取1/2来大致估算目标人物的area，最后修改的config文件如下图所示。