Meng Li
Meng Li
你好， 不同分辨率是根据Multipose及RetinaNet两篇论文的设定。实际上可以是相同的。 loss部分我不太确定。可能较好的loss应该是0.00048左右？可以用[multipose_keypoint_val.py](https://github.com/LiMeng95/MultiPoseNet.pytorch/blob/master/evaluate/multipose_keypoint_val.py)文件测试一下我的baseline model下的loss。个人感觉需要训练更多的epoch。
对的，我觉得使用最后一个heatmap_loss较好。这个Validation loss仅作参考。最后评价模型性能还是用MAP的。
ReduceLROnPlateau是用来检测loss变化的，具体设置见：[multipose_keypoint_train.py#L112](https://github.com/LiMeng95/MultiPoseNet.pytorch/blob/master/training/multipose_keypoint_train.py#L112)。 max_ht、min_ht仅用于观察生成heatmap的最大值最小值，与GT对比。不参与loss计算。
你好， ReduceLROnPlateau检测的指标应该是可以自定义的。在初始化过程中可以设定。具体可以看一下ReduceLROnPlateau的代码。稍作修改就可以了
你好， 1. heatmap的ground truth制作时，采用峰值为1的[高斯](https://github.com/LiMeng95/MultiPoseNet.pytorch/blob/master/datasets/coco_data/heatmap.py#L20)，没有标注的地方GT值为0。而且计算时采用了mean方式[计算MSE](https://github.com/LiMeng95/MultiPoseNet.pytorch/blob/master/network/posenet.py#L371)，所以整体数量级会较小。 2. 目前代码里的单独多人keypoint subnet只能用自定义的loss计算，暂时没有其他评价指标。除非把所有预测keypoint坐标取出来，与GT中所有坐标值对应，也是可以计算OKS的，但需要修改pycocotools的代码，现有官方代码是做不到多人情况的。
设置应该没有改变，建议重新训练一下或者调整一下参数
pytorch0.4版本是需要Disable cudnn for batch_norm的，1.0以后的版本不需要。
过奖了。1.0版本下代码的某些细节需要修改，绝大部分是不变的。