DensePose小结

项目使用

配好densepose 所需要的环境后，就可以运行项目了。

python2 tools/infer_simple.py     --cfg configs/DensePose_ResNet101_FPN_s1x-e2e.yaml     --output-dir DensePoseData/infer_out/     --image-ext jpg     --wts https://dl.fbaipublicfiles.com/densepose/DensePose_ResNet101_FPN_s1x-e2e.pkl     DensePoseData/demo_data/demo_im1.jpgs

输入：一张rgb图片

路径在shell指令参数的 DensePoseData/demo_data/demo_im1.jpgs

输出（输出路径在指令中参数：–output-dir DensePoseData/infer_out/）

1.demo_im.jpg.pdf
这个其实是用Faster-RCNN从输入的图片中检测到的人体结果，下图中用矩阵框中的部分为人体。

2.demo_im_IUV.png
IVU图（I：人体25块中的那一块。U，V：3D中的UV贴图。），图中各个部分是以热力图的形式呈现。

3.demo_im_INDS.png
NDS（分割图），类似照片负片，仔细看黑底显白色的地方就是分割的人体

论文与代码理解

1.先用Faster-RCNN检测，得到人物区域检测图。
2.先用神经网络分块。
3.分块后用神经网络在每一块分点。
4.把点转化成热力图IVU。
损失函数：交叉熵损失函数。
//待续