祥瑞哈哈哈

摘要： joints_list[0] 是numpy数组输出它的形状为 shapejoints_list[0] (2, 18, 3)。第一维代表人数，第二维表示17个关键点和一个中心值。3代表x,y，标记状态。状态分为被标注，未被标注，标注被遮挡。 阅读全文

摘要： 他的第18个keypoint存的是平均坐标。 def get_joints(self, anno): num_people = len(anno) area = np.zeros((num_people, 1)) joints = np.zeros((num_people, self.num_joi 阅读全文

摘要： 下边是我从coco2017keypoint截取的部分代码。 "categories": [{"supercategory": "person","id": 1,"name": "person","keypoints": ["nose","left_eye","right_eye","left_ear 阅读全文

摘要： 第一个通道是neck是虚拟点用左肩膀和右肩膀的均值作为neck坐标，第二个通道是背景图即1-所有背景图的最大像素。 coco数据集只有17个关键点。 生成neck在transformer里。 生成背景图在cocokeypoint的heatmaps生成里。 阅读全文

摘要： 只能搜到17而不能搜到18 阅读全文

摘要： paf用俩张图去表示x和y所以19对关节连接会出现38张图。 keypoint一共18个关键点之所以为19是因为有背景图。 阅读全文

摘要： paf是向量，一个存x一个存y。19对。 阅读全文

摘要： def group_keypoints(all_keypoints_by_type, pafs, pose_entry_size=20, min_paf_score=0.05): pose_entries = [] all_keypoints = np.array([item for sublist 阅读全文

摘要： ...代指多个:,:。 import numpy as np w1=[] for j in range(5): if j!=0: w1.append((j*1,j*1+1,0)) w1=np.array(w1) #print(w1) #print(w1[:,:-1]) e=w1[:,:-1] br= 阅读全文

摘要： np.pad就是把x的上下左右都补上维。 import numpy as np x=np.arange(12).reshape((3,4)) x=np.pad(x, [(2, 2), (2, 2)], mode='constant') print(x) [[ 0 0 0 0 0 0 0 0] [ 0 阅读全文