最近使用openpose，但是有一些細節**中沒有給出，還有一些不太重要但也挺關鍵的細節需要搞清楚，這篇文章就把用到的這些細節一併及下來。
1 vgg基礎網路的輸入輸出
**中說vgg基礎網路用到了前10層，但是看原始碼的話，他是用了12層的。
相關的輸入輸出維度如下:
vgg_cfg = [64, 64, 『m』, 128, 128, 『m』, 256, 256, 256, 256, 『m』, 512, 512, 256,128]
12層的vgg輸出維度為128
2 後面stage中分支結構的輸入輸出
首先，**中很明確的將地乙個stage和其他的分開來看的。
分支中輸出維度38的是paf，part affinity field
維度19的是身體部位的熱圖part heatmap
branches_cfg = [[[128, 128, 128, 512, 38], [128, 128, 128, 512, 19]],
[[128, 128, 128, 128, 128, 128, 38], [128, 128, 128, 128, 128, 128, 19]]]
3 輸入的尺寸處理
訓練時需要相同大小的才能組成乙個batch，在openpose中有兩種做法：
一是直接resize到指定大小的尺寸;
二是原始碼提供了一種稍微有特色的做法:
先指定長和寬x，y。然後將的長/寬和x/y比較，看是否大於1
然後，選擇長一些的邊（長》x?,寬》y?)，固定長寬比縮放到給定尺寸
再然後，為另一條邊加padding，兩邊加相同的padding
最後，resize到制定大小。
4 怎麼處理**圖尺寸和輸入真實值尺寸不匹配的問題
一種方式是de-convolution到原來的大小
二是原始碼中指出的方法，因為是只有base net中有縮放的過程，在vgg結構中，有三次pooling過程，所以縮放比例是8，將resize後的mask淹膜和paf以及身體部位heatmap三者都縮放8倍。
因為本身有乙個核函式處理過程，所以也不用特別要求達到畫素級別的精度，反正縮放過程中最大值丟不了。
另外，因為這兒有8倍關係，所以resize的時候要選擇乙個合適的長與寬，實際上，原始碼中強制轉成16的倍數。
5 為什麼輸出結果維度是38和19
因為coco的身體part有17個，openpose加了乙個頸這個part所以有18個heatmap，再加一幅背景，身體部件的熱點圖應該是19個。
而這些點所連線的邊，組成乙個人體的骨骼圖，一共有19條，但為什麼是38個呢。
openpose中的paf需要表示大小和方向，所以原始碼中給出的是相應邊向量在x和y上的分量，每條邊都有，所以是38維。
評價：
越深入神經網路，越覺得神奇。像openpose就是給了乙個模板，讓神經網路自己去學習去適應，得出乙個相似的模板。
ssd中也是讓網路自己去學習怎麼得到乙個合適的檢測框。
這些網路都是對過程沒什麼嚴格的要求，就是設定想要的模板的時候需要用心，然後在網路中取出構建這種模板的連線線——模板的輸入。剩下的就交給了網路。
不過這種邏輯蠻奇怪的，是連線在先，還是模板在先，哪個對作者的啟發更大呢。
MATLAB FFT的細節處理
對於fft函式，其作用為快速傅利葉變換，可以實現常規傅利葉變換的 而由於其原理，最後生成的影象可能並不是我們常分析的樣子。本文將簡要對fft函式的細節處理進行一定的分析，從而使原來的的影象變為便於我們分析的樣子。f0 1e6 頻率 fs 5e6 取樣率 t 1 fs 1 fs 1 樣點採集 s co...
批處理指令碼的細節
寫jenkins在windows下vs專案的自動化編譯的批處理指令碼的時候，在一些細節處理方法遇到過很多問題，雖然網上關於批處理有很多的教程，但是對於一些指令講解還是不夠詳細，這些小問題往往會困擾你比較長的時間，這裡分享一下我在寫指令碼時遇到的一些小問題，希望能夠幫助到大家。1.錯誤處理乙個好的指令...
基於openpose的動作識別（二）
在windows平台使用pythonapi執行乙個識別手指的demo 一 準備檔案 二 執行除錯 1.參考文件 examples tutorial api python 2.使用配置好環境的pythonide開啟 openpose master examples tutorial api pytho...