关于GANet的一些疑问 about ganet HOT 9 CLOSED

@Wolfwjs

from ganet.

@spyflying

from ganet.

回答，

1. coord_mat是根据图像尺寸构造的每个点的2d坐标，加上pts_offsets表示的是从每个点出发预测的起始点坐标，（网络回归的应该就是关键点相对于起始点的偏移量，说法是对的，在预测的时候我们不知道谁是关键点，就预测所有点相对于起始点的偏移量），然后由int_offset弥补预测数值误差，后处理的时候才找出其中的关键点。
2. tools/speed_test.py文件在编写的时候没有和模型兼容，应该在forward_test传入img_metas的时候，套一个列表model.forward_test(x,[img_metas])。img_metas在传入forward_train\forward_test的时候都是一个列表，这是mmdet的特性，列表里面是本批batch的各个元素的字典，包含了img_shape等各种keys。最后一张图只是用于测试时间的时候，这个时候不需要后处理，就没有包含太多的keys，具体在训练时候其中包含哪些keys，可以从dataset文件里面找到

from ganet.

from ganet.

不好意思回复稍晚，刚注意到邮件。
是的，keypointhead的输出概率越大就更可能是关键点，这是因为我们给到他的监督信号是用gt关键点做的heatmap，上次我说的“后处理的时候才找出其中的关键点”不是很准确，我想表达的是问题当中的“起始点”是通过加偏移量什么的后处理获得的（起始点是根据关键点+预测的偏移量进行聚类后处理得到的），关键点通过阈值就可以算出来（也是后处理）。

from ganet.

from ganet.

from ganet.

时间稍微有点长了，记忆已经开始模糊不清了，也已经错乱了😭
“这个root_center_arr这个变量是什么呢？我的理解是：我看这个变量的筛选条件就是置信度要大于0.3，并且x的offset要小于1，这不就是起始点了吗？”，不是，这个只是初步筛选，符合这些条件才有可能是关键点，后面还会在

后处理，里面涉及的后处理逻辑论文里面应该有讲
“按您说的“coord_mat是根据图像尺寸构造的每个点的2d坐标，加上pts_offsets表示的是从每个点出发预测的起始点坐标”，您预测的这个pts_offsets是相对于网格点的偏差不是相对于起始点的偏差？” 我们说的是一个东西，我的意思是预测是起始点相对于这个grid的偏移，根据这个偏移预测，再加上这个grid的坐标就可以得到其预测的起始点是谁，这点是比较绕的，可以先看论文理一理思路再看代码

from ganet.

好的 谢谢你哈 又看了一下论文 现在基本都懂了

from ganet.