愤怒的大角牛-CSDN博客

原创 2D关键点检测之RSN50：Learning Delicate Local Representations for Multi-Person Pose Estimation

人体姿态估计对位置精度要求很高，涉及关键点定位和分类。空间信息有利于定位任务，语义信息有利于分类任务，为了提取这两类信息，目前的方法主要集中在层间特征（inter-level ）的聚合上。之前的很多姿态估计模型为了更好的利用多尺度的feature，常会在不同level（featuremap size相同大小的为intra-level）之间融合信息（inter-level），再接几层卷积得到最后的输出。

2023-07-07 10:53:40 431 1

原创 2D关键点检测之SCNet：Improving Convolutional Networks with Self-Calibrated Convolutions

大多数卷积神经网络的改进主要关注于调整网络模型的架构，以产生丰富的有限元分析。CNNs的进步主要集中于设计更复杂的结构，从而增强它们表示学习的能力。该论文不关注架构，只通过改进基本的卷积模块来提升整个网络的性能，提出的自校准卷积SC可以更完整、更准确的定位目标物体。下图是可视化不同卷积方式的resnet产生的特征激活图，带自校准卷积的resnet可以更准确的定位目标物体。

2023-07-01 16:03:26 626

原创 2D关键点检测之MSPN：Rethinking on Multi-Stage Networks for Human Pose Estimation

2D关键点检测之MSPN：Rethinking on Multi-Stage Networks for Human Pose Estimation时间：2019.01 ArXiv 2019 分类：计算机视觉–人体关键点检测–2D topdown_heatmap。

2023-06-25 16:05:23 310

原创 2D关键点检测之HRNetv2：Deep High-Resolution Representation Learning for Visual Recognition

HRNetv2（Deep High-Resolution Representation Learning for Visual Recognition）基于深度学习的特征表示在计算机视觉任务中通常分为两类：低分辨率表示（low-resolution representations）和高分辨率表示（high-resolution representations）。目前有两种主要的方法来获取高分辨率表示：1. 从网络输出的低分辨率表示或者中间中等分辨率表示恢复高分辨率表示，从down-samplin

2023-06-21 14:40:30 376

原创 2D关键点检测之IPR：Integral Human Pose Regression

时间：2018.01 ArXiv’2021作者团队：Aiden Nibali Zhen He Stuart Morgan Luke Prendergast分类：计算机视觉–人体关键点检测–2D integral_regression。

2023-06-19 16:16:39 258

原创 2D关键点检测之HRNet：Deep High-Resolution Representation Learning for Human Pose Estimation

时间：2019.02 CVPR2019作者团队：Ke Sun Bin Xiao Dong Liu Jingdong Wang分类：计算机视觉–人体关键点检测–2D top-down。

2023-06-08 21:54:58 497

原创 2D关键点检测之DSNT：Numerical Coordinate Regression with Convolutional Neural Networks

时间：2018.01 ArXiv’2021作者团队：Aiden Nibali Zhen He Stuart Morgan Luke Prendergast分类：计算机视觉–人体关键点检测–2D integral_regression。

2023-06-06 16:59:21 455

原创 2D关键点检测之Simple Baseline：Simple Baselines for Human Pose Estimation and Tracking

时间：2018.04.17 ECCV 2018作者团队：Bin Xiao, Haiping Wu, and Yichen Wei分类：计算机视觉–人体关键点检测–2D top-down。

2023-06-06 08:37:04 302

原创 2D关键点检测之hourglass：Stacked Hourglass Networks for Human Pose Estimation

本文的设计基于模块到子网络再到完整网络的思想。一阶hourglass网络就是简单的残差连接，上半路在原尺度进行，下半路先经历下采样再进行上采样。对于二阶hourglass网络，就是在一阶的基础上将一阶网络嵌套进来。使用模块进行网络设计先降采样，再升采样的全卷积结构跳级结构辅助升采样中继监督训练整个hourglass不改变特征的尺度，只改变特征的深度。#####4.Hourglass网络架构图。

2023-06-05 10:47:13 160 1

原创 2D关键点检测之CPM：Convolutional Pose Machines

网络分为多个层级多个stage，第一个stage将从patch得到的特征作为输入，经过多分类器得到各个part的置信度，接下来的stage同时将特征和上一个stage在不同层级上得到的上下文信息作为输入，经过分类器得到这个阶段各个part的置信，此时得到的结果比stage1的结果好。为了适应数据集，把裁剪后的图像归一化为368×368，第二阶段在第一阶段输出heatmaps上的感受野设置为31×31，等价于在原始输入图像上的感受野为400×400，能可以覆盖图像中任何一对关键点。不同训练策略的精度（b）；

2023-06-05 10:44:57 244 1

原创将英文版的Ubuntu 18.04系统改为中文

4.完成设置后点击【install/remove language】，在弹出的窗口搜索【汉语(中国)】，最后点击【apply change】，然后等待下载。为了便于以后使用保留旧的文件夹命名。5.下载完成后选项里已经有了中文选项。然后找到【汉语(中国)】，按住【汉语(中国)】，拖动到最上方，关闭设置界面，重启Ubuntu。3.在弹出的窗口再点击【install】设置操作，需要下载语言包，安装Ubuntu语言必须联网。1.首先打开Ubuntu Setting（设置），点击右上角的三角，然后点击扳手图标。

2023-06-05 10:43:57 1560 1

原创如何在Ubuntu上面修改为清华源

ubuntu系统中，通过软件源获取软件包是下载安装软件的重要方式，然而系统自带的软件源存在一些问题，一是可能无法满足我们的需求，二是国外的源需要翻墙，导致即使能提供我们需要的软件包也下载不了，所以装完ubuntu系统之后最好先给它换源。1.进入Ubuntu终端，使用root用户。以上便是Ubuntu修改源的方法。3.将原源码替换成清华源。

2023-06-05 10:43:15 6480 1

原创 E 无法获得锁 varlibaptlistslock - open (11 资源暂时不可用)

解决sudoapt−getupdate出现异常因为准备给自己的Ubuntu安装GCC/gfortran等编译器，结果在更新包列表【sudo apt-get update】时出现以下错误。

2023-06-05 10:41:07 962 1

原创 Ubuntu——解决Windows直接拖动文件进虚拟机ubuntu

*原因：**因为我在刚学习Ubuntu，需要实现主机Windows与虚拟机ubuntu间文件共享、文件自由拖拽、鼠标在虚拟机与主机间自由移动、实现虚拟系统屏幕全屏化的功能，因此需要在虚拟机VMware中安装VMware Tools。2.添加ISO映像文件(如果提示有错误，请关闭虚拟机再设置路径，然后再启动Ubuntu)1.这里需要安装“VMware Tools(T)”，如果没有安装，则需要重新安装。(2)若此时出现下列问题，则先将安装文件放到桌面后，再进行提取。(2)获取管理员密码，并执行安装命令。

2023-06-05 10:41:02 1616 1

原创 Ubuntu——搭建

为虚拟机取个名字，点击浏览，选择虚拟机的安装位置，最后不要选择默认位置。因为默认是安装在C盘，C盘是系统盘，空间比较小，而虚拟机占用的空间比较大。安装完毕以后就会自动弹出登陆界面，登陆用户就是刚才创建虚拟机时设置的普通用户名，点击普通用户名称，输入自己配置的密码，就能正常登陆。搜索VMware，进入官网，按照图片提示进入到 Workstation Pro 选择界面，并选择自己需要的版本。选择我们刚才下载的安装镜像，点击浏览按钮，然后在弹出来的窗口中选择刚才下载镜像时候保存的位置。填写完毕后点击下一步…

2023-06-05 10:40:18 564 1

qq_54793880的博客