sazass的博客

1. 报错：assert isinstance(orig, torch.nn.Module)出现在tools/dist_train.py文件内。根据github说明，输入：python tools/dist_train.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml 可能会出现原因：tensorboardX库出了问题。解决方式1：注释代码：#writer_dict['writer'].add_g

相关系列链接：前言：HigherHRNet 来自于CVPR2020的论文：HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation。论文主要是提出了一个自底向上的2D人体姿态估计网络–HigherHRNet。该论文代码成为自底向上网络一个经典网络，CVPR2021年最先进的自底向上网络DEKR和SWAHR都是基于HigherHRNet的源码上进行的局部改进。所以搞懂HigherHRNe

这是我研究2D buttom-up HPE算法遇到的一些问题。问题描述：3个网络模型都是2D姿态估计网络，代码相似度很高。然而默认都是使用了imagenet的与训练模型。咨询了CVPR的作者，推荐我使用coco的预训练模型来训练CrowdPose数据集。然而训练CrowdPose数据集的时候使用了coco的预训练模型，DEKR模型报错：通道数错误，这个情理之中的。因为coco采用17个关键点，而CrowdPose采用14个关键点，模型在hrnet之后就会卷积出不同的通道。然后疑惑的是，SWAHR，Hi

目前在做2D人体姿态估计的论文实验。当前遇到一个问题，就是我的模型测试COCO validation set，测试结束后会自动给出结果,mAP,AR的得分。但是我我的模型测试COCO test-dev set，测试完之后并没有给出得分。一直一度以为是代码出了问题，后来慢慢得知，测试test-dev的测试集之所以不给出最后的测试成绩，是因为test-dev测试集中并未给出标注。因为给出标注的话更容易让模型通过标注，不正当地获得好的成绩。因此，为了使coco2017 test-dev测试集的成绩更具有信服

核心绘图代码：1.COCO格式（17关键点）

3D Human Pose Estimation with Spatial and Temporal Transformers基于时空Transformers的3D人体姿态估计论文地址：https://openaccess.thecvf.com/content/ICCV2021/papers/Zheng_3D_Human_Pose_Estimation_With_Spatial_and_Temporal_Transformers_ICCV_2021_paper.pdf代码地址：https://git

该问题可能出自基于HRNet框架的一系列2D-HPE系列网络代码运行一个2D姿态估计网络报错：原因：该代码继承hrnet的代码框架，github因此省略了安装步骤，我只是安装了依赖包requirements.txt，在安装过程中漏了一步。解决步骤：在lib目录下输入make即可。...

HigherHRNet热图代码

COCO test-dev评估数据代码

最新的coco test-dev 测试集评估地址