mmpose系列 （四）：hrnet+deeppose 训练23点与hrnet训练23点对比效果和速度。

根据之前两篇博客：mmpose系列（三）：中的hrnet_w48+deeppose的方法

和mmpose系列 (一)：hrnet 基于mmpose 训练body+foot 23点关键点。方法结合 生成

数据集为coco数据集

hrnet_w48_deeppose_body23.py文件，再6块3090上训练得到模型后计算mAP值的对比，后续公布结果，代码前面都有，动动小手就行了，我懒得copy了，后续上结果。

经过几天的训练，来填坑了，我发现hrnet_regression_base的方法训练了110个迭代（服务器挂了）没法训练120个epoce，但是也差不多了来看下对比把，这里截取是body17个关键点的

hrnet_heatmap:

 

hrnet_regression_base：

 差距有点大，不知道是不是因为regression收敛慢，还没有训练到好的点的地方

训练的hrnet_regression+RLE: 之前时间原因只训练了10个epoch，但是效果和镜子大佬说的一样 已经达到了人家不加rle的100个迭代的效果，上图。

 目前时间空出来了，正在训练这个模型。

先放下 shufflenetV2_regression+RLE的200个epoch 效果：

 我虽然在coco 数据集上训练的，但是看着镜子大佬训练出来的数据，感觉我没达到他的效果。