笔记 - 服饰关键点检测:原理篇

数据集

笔记 - 服饰关键点检测:原理篇_第1张图片
笔记 - 服饰关键点检测:原理篇_第2张图片
笔记 - 服饰关键点检测:原理篇_第3张图片


笔记 - 服饰关键点检测:原理篇_第4张图片
笔记 - 服饰关键点检测:原理篇_第5张图片

总结

  • 卷积学习的内容:
    • 如何从原图到低分辨热点图
      • 最后输出的热点图就包含了关键点的位置信息
      • 学习如何提取特征(提取什么特征)
      • 学习如何组合这些特征
传统卷积网络更像只是学习了如何提取特征,
最后用全连接层组合这些特征
最后用全卷积组合特征,减少了特征与空间位置的关联
  • 级联网络
乍一看,其实就是不断接卷积层
我觉得,级联网络和普通卷积网络的不同之处就在于
最后输出阶段设计了n个stage(实质就是卷积层),
所有stage的输出都参与了loss的计算

所以最后stage输出的精度会比传统卷积网络高

(注意:下一层stage的输入是上一层stage的输出,和Inception V1的分支loss不同)


学习资料

天池FashionAI全球挑战赛小小尝试

你可能感兴趣的:(AI,深度学习,目标检测与关键点定位)