2018年01月_枯叶蝶KYD

原创 torch中的copy()和clone()

torch中的copy()和clone()1、torch中的copy()和clone()y = torch.Tensor(2,2):copy(x) --- 修改y并不改变原来的xy = x:clone()修改y也不改变xy = x 修改y这个时候就开始改变x了注意，官网中Returns a clone of a tensor. The me...

2018-01-23 22:11:32 52908 2

原创 coco测评代码部分解析

1、以val2017为例，跑出来的结果是gt框+单人的方式 def evaluate(self): ''' Run per image evaluation on given images and store results (a list of dict) in self.evalImgs :return: None '''...

2018-01-23 09:37:12 5790 2

原创 PyraNet数据处理（二）--测试

1、PyraNete测试的时候是怎么将坐标对应到原来的图像上的呢？？？？？local function getHeatmaps(imHeight, imWidth, center, scale, rot, res, hm)local ul = t.transform({1,1}, center, scale, 0, res, true)local br = t.transform({

2018-01-22 16:53:40 805 1

原创 PyraNet数据预处理

1、训练local inp = crop(img, c, s, 0, self.inputRes) 首先做crop，目的是crop成想要的形状，c是center的位置，s是scale的位置，0是旋转角度，输入分辨率是2561.1 图像和尺度预处理1）scaleFactor scaleFactor 是什么呢？

2018-01-22 15:43:18 2257 7

原创 Human Pose Estimation using Global and Local Normalization

1、作者首先解决的是关键点的检测，随后是关键点的空间位置refine，其次在关键点检测的网络上面加入了mul-scale的监督和mul-scale的fusion，来融合多个尺度的特征2、作者的refine步骤主要是对关节点位置进行normalization,将人的身体的方向进行upright的修正，对人体的四个枝干进行位置的修正，使得两条胳膊和两条腿的方向都是垂直向下，这样使得整体的人

2018-01-20 20:05:54 541 1

原创 openpose内部输出

for(int i =0;i<4;i++){ std::coutshape())[i]<<std::endl;} int shape2 = ((spCaffeNetOutputBlob.get())->shape())[2];int shape3 = ((spCaffeNetOutputBlob.get())->shape())[3];((spCaffeNetOutput

2018-01-18 09:17:39 3013 1

原创 torch.optim

1、用optim来减少损失首先需要给出一个函数，给定当前的weight作为参数，可以输出损失和损失对应的梯度optim希望他们优化的weight和对应的梯度是一个一维的Tensor,但是整个网络有很多层，每一层都有很多的参数，怎么做才能成为一维的Tensor呢？用getParameters()函数即可params, gradParams = model:getParameter

2018-01-16 10:27:07 1143

原创 torch.class

1、[metatable] torch.class(name, [parentName], [module])将会创建一个名字为name的类别，一旦parentName提供了，就会从中继承1）如果module是没有提供的，1.1）name是package.className这种形式，那么className将会加入到指定的package里面1.2）name不是 . 形式给出来的，那么

2018-01-15 23:11:21 1607

原创 hourglass训练出现acc是nan的情形

1、在训练hourglass和Pyranet的时候都会出现训练的时候acc会nan，why?根据acc的代码，只有在分母为0的时候才会出现Nan的情形，以coco为例，badIdxCount是17，造成nan。为什么badIdxCount会是17呢？返回的全是-1，为什么会返回全是-1？只能是给出的17个部位的标签全部是1引起来的，为什么全是1，原因是因为1

2018-01-14 21:24:26 1402

原创 matlab语法碎片之cell(未完)

1、cell的访问用()和{}是有差异的()访问之后还是一个cell{}访问之后才是里面的内容

2018-01-14 20:56:07 147

原创 Lua语法碎片

1、table的长度获得用#来操作2、lua中获取元素类型print(type(label))torch中的Tensor的type(a)和a:type()是等价的，但不意味着对于lua的数据类型这也是等价的3、unpacka = {1,2,3,4,5,6}b = unpack(a) --b=1b,c,d,e = unpack(a) --b =1,c=2,d=3,e=41+unpack(...

2018-01-14 20:39:05 194

原创 MPII数据集单人方面的数据分析！！！

1、在训练hourglass的时候，有几个文件需要清楚annot.h5文件是包含了25925个人的训练集，对应着17408张图片train.h5是包含了22246个人的训练集，对应着14679张图片valid.h5是包含了2958个人的验证集，对应着2729张图片test.h5是包含了11731个人的测试集，对应着6619张图片注：valid数据集是根据tompson的划分来的...

2018-01-14 15:44:36 15686 31

原创 torch image灰度图像

1、torch中采用image这一模块处理图像灰度图像读出来维度也是3，只不过第一通道为1require 'image'img = image.load('./000000450674.jpg') #greyimage.save('./000000450674_copy.jpg',img)print(img:nDimension()) #3pr

2018-01-13 22:48:51 4718 1

原创 python hdf5和lua之间的连接

1、在lua中解析hdf5文件的代码如下：local a = hdf5.open('./val.h5','r')imgname = a:read('imgname'):all()如果val.h5文件中有相应的域的话，就可以像上面一样去访问，但是如果imgname里面存储的是字符串数组的话，抱歉，hdf5的lua借口是无法读出来的，所以在做hdf5文件的时候要将字符串转换为字符数组，然后写入到

2018-01-13 20:31:28 787 1

原创 Chained Predictions Using Convolutional Neural Networks

1、文章主要是运用类似于RNN结构进行建模，每一个阶段用到上一个隐含层和之前所有的输出层图中大体可以展现作者的思路与RNN不同的是，作者在训练图片的时候w都不是权值共享的，但是RNN网络的U,V,W都是权值共享的，如图作者这样做也是为了适应人体姿态估计这一任务，在后面的vedio的实验中，作者却采用权值共享的策略作者在文中还提出了deception的

2018-01-11 09:40:28 413

原创 Multi-Context Attention for Human Pose Estimation

1、本文的三个创新点Multi-context attention，CRF，HRU的设计增大感受野2、首先作者指出多语义表示的重要性，attention map依托于feature map集中在图像中感兴趣的部分，他能帮助恢复遗失的身体部件，并且能够区分出有歧义的背景。作者采用stacked hourglass作为依附1）每个hourglass从不同分辨率的feature map来产生

2018-01-09 20:31:18 3453

原创 Structured Feature Learning for Pose Estimation

1、利用feature map之间的关系来建立关节点之间的联系，通过feature map之间的几何变换核来学习这种关联，文章提出了双向树的模型2、不同关节的信息在feature level上进行了传递，传统的方法都是在score map上进行操作，score map的操作只会告诉关节点的位置信息，胳膊肘的方向和关联其实是没有表现出来的，这对于关节点预测却是很关键的，作者发现这些in-

2018-01-09 20:25:54 849

原创四篇早期人体姿态的论文

1、Learning Human Pose Estimation Features with Convolutional Networks前面的网络回归人体关键点，重点讲一下手工的MRF和下文做对比作者在做元统计的时候，采用直方图统计的方法来确定关节对之间的条件概率，如下图所示如a）将fac规划到0的方向向量，统计sho出现位置，从而对sho的位置起到修正作用，最后作者

2018-01-08 17:05:40 2146

原创 Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation

1、Introduction作者设计了一个网络，运用GAN来预测遮挡的人体部位G：生成pose热度图和occlusion热度图P：pose discriminator 和 confidence discriminator{ P, C }2、网络结构2.1 多任务的生成式网络利用生成式网络生成y,z，y是pose heatmap，z是occlusion heatmap

2018-01-08 15:24:29 2503 4

原创 Python sort,sorted,searchsorted

1 sort()和sorted()是有区别的sort()排序会改变原来的顺序，但是sorted()就不会使用的时候二者是有区别的a = [1,3,2,4]a.sort() #a=[1,2,3,4]a = [1,3,2,4]b = sorted(a) #a=[1,3,2,4],b=[1,2,3,4]2.searchsorted寻找某个数

2018-01-05 16:17:58 2924

原创 Python copy

1 对于Python的list，是没有copy操作的a = [1,2,3,4]b = a #b和a指向同一块内存b = a[:] #切片操作的关系导致二者不是指向同一块内存b = a[2:] #不是同一块内存

2018-01-03 15:04:53 396

原创 Faster Rcnn RPN代码解析

1、anchor_target_layer.py首先产生K*A个anchor，K=w*h,w和h分别是map图的宽和高然后去掉超出边界的anchor，剩下N个利用剩下的N个anchor和N1个gt-box计算overlap，维度是N*N1接下来定义正负样本，正样本为1，负样本为0，其余为-1，不参与反传，通常RPN的batch为256，选择cfg.TRAIN.RPN_FG_FRAC

2018-01-02 19:47:21 1449

原创 Python 冒号，省略号

1、单冒号(包含在双冒号里)2、双冒号seq[::n]#其实是一个简写的形式seq[start:end:step] #从start开始到end结束，每隔step输出一次#::将start和end省略意味着从开始到结束，省略谁就是采用默认a=[1,2,3,4,5,6]a[::2] ->1,3,5 #从1开始，每隔两个输出一下a[::3]

2018-01-02 15:25:12 14662

u013548568的博客