higherHRNet 训练过程出现的问题

最新推荐文章于 2025-02-23 13:11:31 发布
最新推荐文章于 2025-02-23 13:11:31 发布
阅读量1.4k 收藏 4
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 复现代码 文章标签： 深度学习 github bug
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/scheng_xiang/article/details/108561536
在使用higherHRNet进行训练时，遇到无法解决的错误？本文分享了一种有效的方法，通过注释掉train文件中特定的一行代码，成功解决了与tensorboardx相关的训练报错问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

higherHRNet 训练过程出现的问题

在训练higherhnet的时候，按照github上的命令 出现下方箭头的报错，参考网上其他答案，有说按照上面箭头改会解决，但是我改了依旧报相同的错，不知道有没有大佬解决了，求指点。

python tools/dist_train.py --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml

在这里插入图片描述

我好像已经找到这个问题的解决方法了。 具体修改如下，其实只要注释掉train文件里的一行就行，应该是tensorboardx的问题。

/tools/dist_train.py

# writer_dict['writer'].add_graph(model,(dump,input,))

在这里插入图片描述

HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation (CVPR2020)
Matthew技术小站
03-13 3237
official pytorch code paper link 恭喜文章被CVPR 2020接收。本来19年的时候在arxiv上找到了这篇文章，当时还是叫做"Bottom-up Higher-Resolution Networks for Multi-Person Pose Estimation"，今天一看arxiv上已经更新到v3了，名字也改了。 HigherHRNet是在HRNet和Simp...
《HigherHRNet：Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》论文笔记
m_buddy的博客
09-18 1554
参考代码：HigherHRNet 1. 概述 导读：在bottom-up类型的人体关键点检测算法中，人物目标密集和人物目标过小都是算法表现不好的场景，对此这篇文章从特征提取的角度，在HRNet的基础上（用HRNet的输出并使用trasnpose卷积进行上采样）引入特征金字塔优化关键点检测算法HigherHRNet，算法从高分辨的特征金字塔学习scale-aware表达（train的时候是scale-aware的，infer的时候是将heatmap融合预测的），因而这样对尺度带来的检测问题有了一定的优化。文
HigherHRnet详解之实验复现
qq_41845951的博客
10-29 4479
论文：《HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》 论文链接：https://arxiv.org/pdf/1908.07919.pdf 代码链接：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation 1.前言 HigherHRNet 来自于CVPR2020的论文，论文主要是提出了一个自底向上的2D人体姿态估计网
HigherHRNet
最新发布
qq_51180928的博客
02-23 799
HigherHRNet
【HigherHRNet】 HigherHRNet 详解之 HigherHRNet的整体框架与流程
sazass的博客
08-24 7010
相关系列链接： 前言： HigherHRNet 来自于CVPR2020的论文： HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation。 论文主要是提出了一个自底向上的2D人体姿态估计网络–HigherHRNet。 该论文代码成为自底向上网络一个经典网络，CVPR2021年最先进的自底向上网络DEKR和SWAHR都是基于HigherHRNet的源码上进行的局部改进。 所以搞懂HigherHRNe
HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation 阅读笔记
AnZhiJiaShu's blog
06-03 932
2020 cvpr 论文链接 代码链接摘要： 由于尺度的变化，bottom-up 人体姿态估计法很难预测小人体的正确姿态。本文提出了一种新的 bottom-up 人体姿态估计方法：HigherHRNet ，用于使用高分辨率特征金字塔学习尺度感知表示。HigherHRNet 具有多分辨率监督训练和多分辨率聚合推理功能，能够解决 bottom-up 多人姿态估计中的尺度变化问题，并能更精确定位关键点，尤其是针对小人体的关键点。HigherNet 中的特征金字塔由来自 HRNet 的特征图输出和通过转置卷积的上采
论文阅读-《HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》
weixin_45695134的博客
03-26 837
目录 一、总述 1. 要解决的问题 2. 使用的方法 3. 取得的成果 二、摘要 三、介绍 四、相关工作 五、高分辨率网络 1. HigherHRNet i. HRNet ii. HigherHRNet 2. 分组 3. 反卷积模块 4. 多分辨率监督 5. 热图聚合策略 六、实验 1. COCO数据集关键点预测 2. 消融实验 3. CrowdPose 七、结论 一、总述 1. 要解决的问题 该篇论文主要探讨了自下而上的人体姿态估计问题。具体来
HRNet与HigherHRNet在人体姿势估算的应用研究
3. 多分辨率监督和推理：为了训练HRNet模型，使用了多分辨率监督，这意味着训练过程中同时使用了不同分辨率的标签数据。推理过程中则利用了多分辨率聚合技术，以整合不同分辨率的信息，提高姿态估计的准确性。 4. ...
HRNet / HigherHRNet-Human-Pose-Estimation
02-20
该模型通过保持整个过程中的高分辨率特征图来提高精度[^1]。 HigherHRNet 则是在 HRNet 基础上进行了改进，特别针对更高分辨率的人体姿态检测需求设计。其主要特点是引入了更细粒度的空间聚合机制以及多尺度融合...
HigherHRNet-Human-Pose-Estimation-master.zip
04-28
最新姿态估计模型 Bottom-up Higher-Resolution Networks for Multi-Person Pose Estimation, Cheng etc, Arxiv 2019
HigherHRNet-Human-Pose-Estimation：这是我们CVPR 2020论文“ HigherHRNet：自底向上人体姿势估计的规模感知表示学习”的正式实施（https：arxiv.orgabs1908.10357）
02-21
消息 [2020/07/05]来自Towards Data Science的，介绍了HRNet和HigherHRNet用于人体姿态估计。 [2020/03/12]支持对CrowdPose数据集进行培训/测试。 [2020/02/24] CHRPR2020接受HigherHRNet！ [2019年11月23日]代码和模型现在发布！ [2019/08/27] HigherHRNet现在在。 我们还将发布代码和模型，敬请期待！ 介绍 这是的官方代码。 自下而上的人体姿态估计方法由于尺度变化的挑战而难以为小人物预测正确的姿态。 在本文中，我们提出了HigherHRNet ：一种新的自底向上的人体姿势估计方法，用于使用高分辨率特征金字塔学习比例感知表示。 该方法配备了用于训练的多分辨率监督和用于推理的多分辨率聚合，能够解决自下而上的多人姿势估计中的尺度变化挑战，并能够更精确地定位关键点，尤其
HigherHRNet代码复现问题集(assert isinstance(orig, torch.nn.Module))
sazass的博客
05-31 2367
1. 报错：assert isinstance(orig, torch.nn.Module) 出现在tools/dist_train.py文件内。 根据github说明，输入： python tools/dist_train.py \ --cfg experiments/coco/higher_hrnet/w32_512_adam_lr1e-3.yaml 可能会出现 原因：tensorboardX库出了问题。 解决方式1： 注释代码： #writer_dict['writer'].add_g
HigherHRNet简介
m0_37909240的博客
07-03 2144
HigherHRNet: Scale-Aware Representation Learningfor Bottom-Up Human Pose Estimation HigherHRNet: 自下而上姿态估计中的多尺度表征学习 论文地址：https://arxiv.org/pdf/1908.10357.pdf 2D 人体姿态估计是计算机视觉领域的基本研究方向之一，多人 2D 姿态估计（Multi-Person Pose Estimation）是该方向上的一个经典难题。自下而上的框架在速度上有优势，但
HigherHRNet 源码分析
xiaoxu1025的专栏
11-14 2248
HigherHRNet 源码分析
HigherHRNet 论文阅读笔记
热门推荐
weixin_40671425的博客
04-19 1万+
论文：《HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation》 论文链接：https://arxiv.org/pdf/1908.07919.pdf 代码链接：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation ...
姿态估计之2D人体姿态估计 - HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation
light169的专栏
06-13 1787
提出了一种新的Bottom-up的人体姿态估计方法HigherHRNet，该方法利用高分辨率特征金字塔学习尺度感知表示。 该方法在训练方面具有多分辨率监督，在推理方面具有多分辨率聚合功能，能够较好地解决自底向上多人姿态估计中的尺度变化挑战，并能更精确地定位关键点，特别是对小人物。 HigherHRNet中的特征金字塔由HRNet的特征映射输出和通过转置卷积的上采样高分辨率输出组成。.........
【HigherHRNet】 HigherHRNet 详解之 HigherHRNet的热图回归代码
sazass的博客
07-05 6815
HigherHRNet热图代码
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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