文件名称：FashionAI-Keypoint:fashionAI衣服关键点检测
文件大小：528KB
文件格式：ZIP
更新时间：2024-06-04 01:15:12
pose-estimation hourglass-network fashionai-keypoint Python
fashionAI 服装关键点检测 ，给定五种类型的服装，采用人体姿态估计的方法检测关键点。最终结果排名24，CPN模型没有复现很好，略遗憾... 0.效果预览 1.模型 模型结合了HourGlass模型和CPN模型，其中HG堆叠了2个，另外在HG上采样过程的1/2大小的特征图上添加了热点图监督标签。 RGB图像送入两个分支网络分别计算，最后concat二者的特征图，具体结构如图所示。 添加了soft-argmax层，可以由热点图转化到具体的坐标值，用坐标值groundtruth监督学习 2.策略 最多只能使用两个不同参数的模型，检测模型也算。通过检测可以提高目标占比，提升效果。 使用第一级预测结果截取目标，为了防止截取不完整，向外扩展30像素，再训练第二级crop模型。 第一级模型testB线上4.17%，crop之后的模型testB线上4.05%，融合之后3.95%. 3.训练与预测细
【文件预览】：
FashionAI-Keypoint-master
----crop()
--------train.sh(215B)
--------argsoftmax_cpn_hgv2.py(11KB)
--------fpn.py(7KB)
--------mutilloss.py(5KB)
--------image.py(14KB)
--------evaluate_crop.py(12KB)
--------dataset_crop2.py(10KB)
--------argsoftmax.py(2KB)
--------predict_crop.py(11KB)
--------__init__.py(0B)
--------train_crop.py(12KB)
----README.md(3KB)
----merge.py(2KB)
----submit.sh(102B)
----fusemodel()
--------argsoftmax_predict.py(9KB)
--------train.sh(225B)
--------train_argmax.py(13KB)
--------argsoftmax_cpn_hgv2.py(11KB)
--------dataset.py(8KB)
--------fpn.py(7KB)
--------mutilloss.py(5KB)
--------evaluate.py(11KB)
--------image.py(12KB)
--------argsoftmax.py(2KB)
--------__pycache__()
--------__init__.py(0B)
--------cpn.py(4KB)
----img()
--------fecf9f2d8ff7c6a6a00ea4f6ae587f0d.jpg(98KB)
--------785a5b843e6349c4ceceb34de68e71c0.jpg(62KB)
--------0b859e16e745aceead46605218202c5f.jpg(66KB)
--------model.jpg(38KB)
--------1ce3429abf1a2c373969f3ff0df71663.jpg(63KB)
--------997af8563bc0c54b9d46941dd1924626.jpg(147KB)
----normalize_error.py(4KB)
----demo.py(7KB)