mpii里面的scale具体意思

最新推荐文章于 2024-04-23 16:12:53 发布
最新推荐文章于 2024-04-23 16:12:53 发布
阅读量2.5k 收藏
点赞数
CC 4.0 BY-SA版权
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/zouxiaolv/article/details/81088227
本文探讨了在计算机视觉任务中如何使用scale参数来保持人物的高度大约为200像素的方法。该方法通常用于姿态估计等场景，但实际操作中可能会遇到肢体缺失等问题。

 

 

scale是那个个体的大概尺寸，要乘以200，因为是以200像素做比得到的scale。但是实际上，我用scale和obj的x,y裁出来的个体图像并不很准确，各种脚不见了。

 

https://github.com/bearpaw/pytorch-pose/issues/31

出自：The scale keeps the height of the person as about 200 px. You should set the scale according to the groundtruth annotation or the detection bounding boxes.

zouxiaolv
关注
python中scale函数的用法_Python Matplotlib.axes.Axes.get_yscale()用法及代码示例
weixin_36139471的博客
02-03 2096
Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。轴类包含大多数图形元素：Axis，Tick，Line2D，Text，Polygon等，并设置坐标系。 Axes实例通过callbacks属性支持回调。matplotlib.axes.Axes.get_yscale()功能matplotlib库的axiss模块中的Axes.get_yscale()函数用于获取y轴刻度作...
机器学习（38）
qq_45800507的博客
05-31 820
本周加深了关于姿态估计的知识，并且通过代码对人体的关键点检测和连接有了更深的认识。
MPII Human Pose Data MPII 人类姿势数据-数据集
03-16
数据是从MPII人类姿势收集的，并转化为一个".csv"文件。 mpii_human_pose.csv
mpii数据集中的scale的含义
qq_38469553的博客
01-10 3343
MPII数据集中，标注文件内容中有一个scale参数，官方的说法是：person scale w.r.t. 200 px height 我的理解是这个scale=图片中人体框的高度/200.当然这个人体框是一个大致的位置，因为标注文件中关于人框除了scale之外只有一个objpos参数，这个是代表了人体中心点的坐标。因此感觉上mpii数据集中的人体框都是个正方形。...
python中scale的用法_Python Decimal scaleb()用法及代码示例
weixin_39527911的博客
12-05 1488
Decimal＃scaleb()：scaleb()是一个Decimal类方法，该方法将第二个值与其exp相加后返回第一个操作数。用法：Decimal.scaleb()参数：十进制值返回：将第二个值与其exp相加后的第一个操作数。代码1：scaleb()方法示例# Python Program explaining# scaleb() method# loading decimal libraryf...
MPII数据集解析
babbycool的博客
02-28 1万+
MPII数据集解析
mpii关键点标注怎么转成yolov7的数据集
最新发布
04-09
例如，每个样本可能有annotations字段，里面包含objpos（中心点）、scale、joints（各个关键点的坐标和可见性）等。 转换步骤可能包括： 1. 解析MPII的原始标注文件，提取每张图像的边界框和关键点信息。 2. 转换为...
classes: [[(array([[(array([[(array([‘037454012.jpg’], dtype=‘<U13’),)]], dtype=[(‘name’, ‘O’)]), array([[(array([[3.88073395]]), array([[(array([[601]], dtype=uint16), array([[380]], dtype=uint16))]], dtype=[(‘x’, ‘O’), (‘y’, ‘O’)])) ]], dtype=[(‘scale’, ‘O’), (‘objpos’, ‘O’)]), array([], shape=(1, 0), dtype=float64), array([], shape=(1, 0), dtype=float64)) , (array([[(array([‘095071431.jpg’], dtype=‘<U13’),)]], dtype=[(‘name’, ‘O’)]), array([[(array([[8.07816613]]), array([[(array([[881]], dtype=uint16), array([[394]], dtype=uint16))]], dtype=[(‘x’, ‘O’), (‘y’, ‘O’)])) , (array([[8.90412938]]), array([[(array([[338]], dtype=uint16), array([[210]], dtype=uint8))]], dtype=[(‘x’, ‘O’), (‘y’, ‘O’)])) ]], dtype=[(‘scale’, ‘O’), (‘objpos’, ‘O’)]), array([], shape=(1, 0), dtype=float64), array([], shape=(1, 0), dtype=float64)) , (array([[(array([‘073199394.jpg’], dtype=‘<U13’),)]], dtype=[(‘name’, ‘O’)]), array([[(array([[4.32666153]]), array([[(array([[619]], dtype=uint16), array([[350]], dtype=uint16))]], dtype=[(‘x’, ‘O’), (‘y’, ‘O’)])) ]], dtype=[(‘scale’, ‘O’), (‘objpos’, ‘O’)]), array([], shape=(1, 0), dtype=float64), array([], shape=(1, 0), dtype=float64)) 这是mat_data[‘RELEASE’] 重新给我完整的转换代码 ,
03-27
里面有很多层嵌套的数组，比如`array([[(array([[(array([‘037454012.jpg’], dtype=‘’),)]], dtype=[(‘name’, ‘O’)]), ...`，这说明每个条目可能有不同的字段，比如name、scale、objpos等。其中objpos里面又...
2024.4.28 机器学习周报
lijiaweitt的博客
04-23 1115
上图展示了整个流程，输入是w×h的彩色图片 (a)，输出是二维的带有每个人的人体关键点位置的图像。首先是一个前馈网络，它同时预测出关于身体部分位置的二维置信图S (b)和一组关于部分亲和度的2D向量场L (c)，其中二维向量域的集合 L 编码了部分的关联的程度。本文的网络结构如上图所示，整个网络是两个分支，多stage的卷积神经网络。是一个binary mask， 当位置p的annotation缺失的时候 W(p) = 0 ，否则就为 1，所以未标记的人物关节点不会影响模型的学习过程。
Paper reading: Realtime Multi-person 2D Pose estimation using Part Affinity Fields(1)
yengjie2200的博客
03-29 7738
本论文有提供代码https://github.com/CMU-Perceptual-Computing-Lab/caffe_rtpose ，可运行。 对文章的理解：
行人检测常用数据集MPII-2Person.zip
07-13
行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip行人检测常用数据集MPII-2Person.zip
MPII_Quickstart.ppt
03-25
了解MAX+plus，简易用户使用入门指南。
mpii_annot_all.mat
04-09
MPII标注数据
python scale语句的用法_预处理.scale（）给出零值
weixin_39781209的博客
12-08 1042
我试图用“能量”的一个特征来代替“f”的特征值。这是密码-import numpy as npfrom sklearn import preprocessingimputer = preprocessing.Imputer(missing_values="NaN", strategy="mean")energy_array = f["Energy"].as_matrix()energy_imput...
人体姿态估计MPII数据集详解
qq_43646281的博客
11-02 2921
MPII人体姿势数据集是用于评估关节人体姿势估计的最先进的基准。该数据集包括大约25K张图像，其中包含超过40K个带有注释的身体关节的人。这些图像是使用建立的每天人类活动的分类法系统地收集的。总体而言，该数据集涵盖410个人类活动，并且每个图像都提供了一个活动标签。每一张图片都是从YouTube视频中提取的，并提供了前后未加注释的帧。此外，对于测试集，我们获得了更丰富的注释，包括身体部分闭塞和3D躯干和头部方向。官网中对数据集的标注的最后生成形式是用MATLAB打开的.mat格式·
MPII数据集简介
热门推荐
小花生的博客
07-03 1万+
MPII数据集简介 概述： MPII人体姿势数据集是人体姿势预估的一个 benchmark，数据集包括了超过 40k 人的 25000 张带标注图片，这些图片是从 YouTube video 中抽取出来的。在测试集中还收录了身体部位遮挡、3D 躯干、头部方向的标注。 MPII 地址： http://human-pose.mpi-inf.mpg.de/#overview MPII 样本数： 25000 个（单人、多人） 16类标注： (0 - r ankle, 1 - r knee, 2 - r hip,
mpii姿态数据集国内下载地址
Bend_Function的博客
02-22 6637
自己家的服务器，下载速度约为2M/S 地址：http://p2341j3301.51mypc.cn:666/share/mpii/ 去这个文件夹里下载你需要的东西 原始连接 http://datasets.d2.mpi-inf.mpg.de/andriluka14cvpr/mpii_human_pose_v1.tar.gz http://datasets.d2.mpi-inf.mpg.de/and...
coco 输出格式，MPII 输出格式，标注
Mr.林先生的博客
11-08 2090
1，数据集 coco 输出格式 鼻子– 0，颈部– 1，右肩– 2，右肘– 3，右手腕– 4， 左肩– 5，左肘– 6，左手腕– 7， 右臀部– 8，右膝– 9 , 右脚踝 – 10, 左臀部 – 11, 左膝盖 – 12, 左脚踝 – 13, 右眼 – 14, 左眼 – 15, 右耳 – 16, 左耳 – 17, 背景 – 18 MPII 输出格式 头 – 0,颈部 - 1， 右肩 - 2，右肘 - 3，右手腕 - 4， 左肩 - 5，左肘 - 6，左手腕 - 7， 右臀部 - 8，右膝盖 - 9，右脚
MPII数据集单人方面的数据分析！！！
u013548568的博客
01-14 1万+
1、在训练hourglass的时候，有几个文件需要清楚 annot.h5文件是包含了25925个人的训练集，对应着17408张图片 train.h5是包含了22246个人的训练集，对应着14679张图片 valid.h5是包含了2958个人的验证集，对应着2729张图片 test.h5是包含了11731个人的测试集，对应着6619张图片 注：valid数据集是根据tompson的划分来的...
MPII里面有行为类别标签吗
02-19
回答时需要明确说明MPII确实有行为类别标签，并给出如何访问这些标签的方法，比如在MATLAB或Python中的具体代码示例。 要注意用户可能是研究人员或开发者，处理实际项目时需要用到这些标签，可能需要更详细的信息，...
评论 13
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