openpose脚部标注问题梳理

openpose脚部标注问题梳理

版本

person_keypoints_train2017_foot_v1.zip

person_keypoints_val2017_foot_v1.zip

下载地址

Human Foot Keypoint Datasethttps://cmu-perceptual-computing-lab.github.io/foot_keypoint_dataset/

总结

问题挺多的,如果想要使用此数据集最好先清洗一遍

openpose标注的训练集总数:11065

问题一

训练标注与验证标注格式不同,训练标注将脚部标注与COCO标注相融合,验证标注没有融合

person_keypoints_train2017_foot_v1:

{"segmentation":......,"num_keypoints":13,"area":26215.66095,"iscrowd":0,
"keypoints":[0,0,0,0,0,0,252,156,2,0,0,0,248,153,2,198,193,2,243,196,2,182,245,2,244,263,2,0,0,0,276,285,2,197,298,2,228,297,2,208,398,2,266,399,2,205,475,2,215,453,2,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0],
"image_id":209468,"bbox":[178.38,120.54,114.59,354.6],"category_id":1,"id":183062}

person_keypoints_val2017_foot_v1

{"segmentation":......,"num_keypoints":14,"area":17702.97795,"iscrowd":0,
"keypoints":[215,485,2,206,479,2,223,451,2,335,492,2,346,489,2,328,455,2],
"image_id":579902,"bbox":[200.03,232.57,182.53,270.8],"category_id":1,"id":191310}

很明显train2017中将新标注的脚部数据和原始的COCO标注融合到一起,

问题二

"segmentation"格式不对

标准COCO格式

{"segmentation": [[267.03,243.78,314.59,154.05,357.84,136.76,374.05,104.32,410.81,110.81,429.19,131.35,420.54,165.95,451.89,209.19,464.86,240.54,480,253.51,484.32,263.24,496.22,271.89,484.32,278.38,438.92,257.84,401.08,216.76,370.81,247.03,414.05,277.3,433.51,304.32,443.24,323.78,400,362.7,376.22,375.68,400,418.92,394.59,424.32,337.3,382.16,337.3,371.35,388.11,327.03,341.62,301.08,311.35,276.22,304.86,263.24,294.05,249.19]],......}

person_keypoints_train2017_foot_v1格式

{"segmentation":[187.03,472.97,192.43,350.81,181.62,335.68,182.7,317.3,180.54,301.08,193.51,293.51,195.68,268.65,178.38,248.11,182.7,216.76,194.59,194.05,210.81,171.35,200,141.08,230.27,120.54,260.54,134.59,257.3,177.84,246.49,186.49,257.3,199.46,254.05,253.51,276.76,281.62,285.41,275.14,292.97,275.14,275.68,291.35,252.97,288.11,286.49,380,288.65,417.84,243.24,475.14,195.68,475.14],......}

查看了很多标准COCO中的segmentation格式,大多数都是一个二维的列表,但是OPENPOSE给出的格式不同,按正常COCO格式进行调用会报错

问题三

关键点数量错误

例:

"image_id": 478636

标准COCO格式

{"segmentation": ......, "num_keypoints":15,"area":11888.2415,"iscrowd":0,"keypoints":[452,139,2,0,0,0,448,135,2,0,0,0,434,136,2,460,160,2,413,167,2,477,184,2,410,186,2,454,197,2,410,208,2,457,239,2,423,240,2,455,295,2,420,295,2,455,348,2,426,352,2,451,351,2,456,350,2,450,347,2,395,351,2,399,350,2,421,350,2],
"image_id":478636,"bbox":[391.89,113.53,87.95,246.47],"category_id":1,"id":185068}

OPENPOSE增加脚部关键点

{"segmentation": ......,"num_keypoints": 15,"area": 11888.2415,"iscrowd": 0,"keypoints": [452,139,2,0,0,0,448,135,2,0,0,0,434,136,2,460,160,2,413,167,2,477,184,2,410,186,2,454,197,2,410,208,2,457,239,2,423,240,2,455,295,2,420,295,2,455,348,2,426,352,2],
"image_id": 478636,"bbox": [391.89,113.53,87.95,246.47],"category_id": 1,"id": 185068}

针对这帧图像的标注,OPENPOSE增加了脚部关键点的内容,却没有增加脚部关键点的数量,这种情况在运行时容易报错,数量对不上,或者无法被学习

问题四

明显的关键点顺序错误

OPONPOSE标准的循序应该如下图,

18: 左脚大拇脚指、19:左脚小拇脚指 、20:左脚脚跟 、21:右脚大拇脚指 、22:右脚小拇脚指 、23:右脚脚跟

但是在查看过程中发现较多左右脚标注错误的情况

 

问题五

明显漏标

"image_id": 478636

验证集中下面这张图明显应该标注,但是OPENPOSE没有标,类似的情况在训练集中应该也有

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
在点云数据标注过程中,可能会遇到以下一些问题: 1. 点云数据的稀疏性:点云数据通常是由离散的点组成,而且密度可能不均匀。这会导致在标注过程中难以准确地确定对象的边界和形状。 2. 遮挡和噪声:点云数据中常常存在遮挡和噪声,这可能使得在标注时难以清晰地识别对象的部分或形状。 3. 类别辨别困难:某些对象的点云数据在形状上可能与其他对象相似,导致在标注时难以准确地将它们分类。 4. 标注一致性:由于主观因素的存在,不同标注者可能对点云数据的标注结果存在一定的差异。这可能导致在数据集上的标签不一致性,影响模型的训练和性能。 5. 标注效率和成本:点云数据的标注通常需要耗费大量时间和人力资源。由于点云数据的特殊性,标注过程可能更为繁琐和耗时,增加了标注的成本和难度。 为了解决这些问题,可以采用以下策略: - 提供标注者培训和指南,以确保他们理解如何在稀疏和噪声点云数据上进行标注。 - 使用多个标注者对同一数据进行标注,然后通过一致性检查来解决标注一致性问题。 - 利用数据增强技术来增加点云数据的多样性,从而提高模型的鲁棒性。 - 探索使用半监督学习或主动学习等方法来减少标注的工作量和成本。 需要注意的是,点云数据的标注是一个复杂且具有挑战性的任务,需要综合考虑数据特点、标注质量和成本效益等因素。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值