实录|旷视研究院详解COCO2017人体姿态估计冠军论文(PPT 视频)(5)
2023-05-04 来源:飞速影视
介绍下我们网络。
![实录|旷视研究院详解COCO2017人体姿态估计冠军论文(PPT 视频)](http://fs.qqfile.top/re/aHR0cHM6Ly90MTIuYmFpZHUuY29tL2l0L2FwcD0yNSZhbXA7Zj1KUEVHJmFtcDtmbT0xNzMmYW1wO2ZtdD1hdXRvJmFtcDt1PTEyNTU3MjA4NjIsNDIxOTAwMDIxMj93PTY0MCZhbXA7aD00MTcmYW1wO3M9QTE5ODc1OTI0RjQ2NUNDQTU2N0RBMUQzMDIwMEQwQjM1)
Online Hard Keypoints Mining,从这张图可以看出我们是怎么去做Hard Keypoints Mining的。COCO有17个点,我们输出17个heatmap,把每个heatmap计算loss之后再回传。Online Hard Keypoints Mining是相当于把每一个headmap计算之后,按照关节点为粒度做平均,把17个loss排序,把最难的那一部分的keypoints回传,剩下的简单的一部分,不回传loss或者是把loss置为0。
在比赛中也主要就是用了类似策略。简单分析一下:如果是17个点,在二分之一的位置回传loss比较好。
![实录|旷视研究院详解COCO2017人体姿态估计冠军论文(PPT 视频)](/images/loading.gif)
右边这个表说明了普通的L2 loss和Online Hard Keypoints Mining的loss各有什么区别。最后可以看出前面用普通的L2 loss,后面用Online Hard Keypoints Mining的loss会更科学点。
因为前面其实是在宏观上对所有关节点做预测,后面的loss是把前面没有解完或者不好的关节点用作学习。这种情况下他们就各有分工,也会解得比较好。
下面讲一讲设计RefineNet。
![实录|旷视研究院详解COCO2017人体姿态估计冠军论文(PPT 视频)](/images/loading.gif)
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号