小结"/>
DensePose小结
项目使用
配好densepose 所需要的环境后,就可以运行项目了。
python2 tools/infer_simple.py --cfg configs/DensePose_ResNet101_FPN_s1x-e2e.yaml --output-dir DensePoseData/infer_out/ --image-ext jpg --wts .pkl DensePoseData/demo_data/demo_im1.jpgs
输入:一张rgb图片
路径在shell指令参数的 DensePoseData/demo_data/demo_im1.jpgs
输出(输出路径在指令中参数:–output-dir DensePoseData/infer_out/)
1.demo_im.jpg.pdf
这个其实是用Faster-RCNN从输入的图片中检测到的人体结果,下图中用矩阵框中的部分为人体。
2.demo_im_IUV.png
IVU图(I:人体25块中的那一块。U,V:3D中的UV贴图。),图中各个部分是以热力图的形式呈现。
3.demo_im_INDS.png
NDS(分割图),类似照片负片,仔细看黑底显白色的地方就是分割的人体
论文与代码理解
1.先用Faster-RCNN检测,得到人物区域检测图。
2.先用神经网络分块。
3.分块后用神经网络在每一块分点。
4.把点转化成热力图IVU。
损失函数:交叉熵损失函数。
//待续
更多推荐
DensePose小结
发布评论