如何解决如何从热图计算关键点估计的置信度得分
我已经尝试根据此处的论文（https://arxiv.org/pdf/1602.00134.pdf）构建卷积姿态机模型。 该模型运行良好，并输出15个热图（每个关键点一个，背景为1个）。从这些热图中，我可以计算出关键点的位置（仅是热图中的最大值）。
我的问题是：热图中的这个最大值也等于关键点在图像中的模型的置信度吗？
也许这是一个愚蠢的问题，但是在论文中，作者没有提及他们如何计算置信度得分或如何处理不可见的关键点。
解决方法
有趣的问题。
我认为，最好的回答方法是使用卷积方法深入研究流行的姿势估计模型的实际代码，以了解实际情况。
Google TensorFlow PoseNet model应该是一个很好的例子。
他们在（开源）代码here（签出predict方法）中所做的工作是针对热图的每个关键点对热图应用2S乙状结肠激活函数。姿势。
因此，要回答您的问题，我要说的是，热图中的最大值并不直接等于置信度得分-乙状结肠功能的输出为（正确的得分从0到1）
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
