一只小白dog-CSDN博客

原创 pytorch学习笔记（四）

1. 数据集的加载与处理在此处下载数据集，是一个面部姿态处理的数据集。由如下几个部分构成：其中图片为原图，face_landmarks.csv文件中记录了每张图片和其对应的关键点的坐标信息。现在先加载一副图片以及其对应的坐标信息看一下人脸关键点显示的效果：# 加载表格landmarks_frame = pd.read_csv('data/faces/face_landmarks.cs...

2019-07-13 09:44:04 297

原创 pytorch学习笔记(三)

首先定义一个网络：# 定义一个网络class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 6, 5) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 ...

2019-07-12 15:04:27 231

原创 pytorch学习笔记（二）

import torchimport numpy as np一、合并与切割1.concata1 = torch.rand(4, 3, 32, 32)a2 = torch.rand(5, 3, 32, 32)# 将a1与a2的第0个维度相加torch.cat([a1, a2], dim=0).shapeout:torch.Size([9, 3, 32, 32])a2 = t...

2019-07-11 16:32:39 155

原创 pytorch学习笔记（一）

一、索引与切片1.index_select：给定如下一个a：a = np.arange(2*2*2*2)a = torch.from_numpy(a)a = torch.reshape(a, [2,2,2,2])aout: tensor([[[[ 0, 1], [ 2, 3]], [[ 4, 5], ...

2019-07-11 11:54:55 507

翻译《Detailed Human Shape Estimation from a Single Image by Hierarchical Mesh Deformation》阅读笔记

之前的方法都是借助参数模型来恢复人体体型的，这样做缺少了很多表面细节，而且对于体型的恢复不如对于姿势的恢复那么准确。这篇文章提出了一个叫做层次变形网格（Hierarchical Mesh Deformation，一下简称HDR）的结构，它将参数模型的鲁棒性与真实三维人体变形的灵活性相结合，利用该结构重新定义一种新的人体体型的恢复方式，它能够恢复除了皮肤模型之外的人体体型，也就是能能很好的恢复人体表...

2019-07-11 11:18:42 1072

翻译《End-to-end Recovery of Human Shape and Pose》论文笔记

文章提出了一个端到端的方法从二维图像恢复三维人体模型的框架。现有的一些从单张图片恢复人体3D网格的方法专注于恢复人体3D关键点的坐标位置，然而这样做有如下不足之处：关键点是稀疏离散的，但是人体在3D空间的表示是密集连续的。3D关键点的单独表示并不能约束每个关键点之间的关系，仅仅通过关键点并不能很好的预测人体姿势与体型。针对上述问题，作者提出了他们的方法：以kinematic tre...

2019-06-25 10:10:14 2202 7

翻译《Learning to Estimate 3D Human Pose and Shape from a Single Color Image 》论文笔记

主要贡献为以下几点：设计一个从单张图像进行人体 3D 姿态和体型估计的端到端框架。在端到端的框架中使用参数化模型 SMPL，使得：利用卷积网络生成的2D 关键点和掩膜来预测SMPL模型所需要的参数。在训练时生成3D网格，并且基于3D体型的一致性进行监督。使用可微分渲染器进行3D网格投影，并基于二维标注的一致性进行监督。使用参数化模型SMPL的好处在于它们的低维参数空间，非常适...

2019-06-23 13:49:36 1137 5

sinat_28699719的博客