我想创建一个人体姿态骨架估计网络,为此,我有一个两部分的网络,第一部分生成16个热图作为输出(每个热图针对不同的关节,因此可以提取一个关键点),使用这16个关键点,我希望创建一个人体骨架,并将其馈送到我的网络的第二部分。我的问题是,我如何在关键点之间画线来创建骨架?我找不到使用tensorflow或Keras在张量对象上做这件事的方法。
我知道我有点晚了,但这里有一些代码,我认为可以满足您的需要(在TFV2.3中)。希望它能为将来的人节省时间!
它只使用tensorflow ops,所以您可以在数据加载器等中使用它。这里真正的麻烦是,tensorflow不允许急切赋值
,所以您不能仅仅通过索引更新张量。通过创建两个稀疏张量,一个用于mask
(在何处应用该行),另一个用于new_values
(在该行应用什么值),可以解决这一问题。用于简单设计行的代码可能不适用于您的情况(基于https://stackoverflow.com/a/47381058),而是从Numpy移植。
import tensorflow as tf
def trapez(y, y0, w):
return tf.clip_by_value(tf.minimum(y + 1 + w/2 - y0, -y + 1 + w/2 + y0), 0, 1)
def apply_output(img, yy, xx, val):
stack = tf.stack([yy, xx], axis=1)
stack = tf.cast(stack, tf.int64)
values = tf.ones(stack.shape[0], tf.float32)
mask = tf.sparse.SparseTensor(indices=stack, values=values, dense_shape=img.shape)
mask = tf.sparse.reorder(mask)
mask = tf.sparse.to_dense(mask)
mask = tf.cast(mask, tf.float32)
new_values = tf.sparse.SparseTensor(indices=stack, values=val, dense_shape=img.shape)
new_values = tf.sparse.reorder(new_values)
new_values = tf.sparse.to_dense(new_values)
img = img * (1 - mask) + new_values * mask
img = tf.cast(tf.expand_dims(img * 255, axis=-1), tf.uint8)
return img
def weighted_line(img, r0, c0, r1, c1, w):
output = img
x = tf.range(c0, c1 + 1, dtype=tf.float32)
slope = (r1-r0) / (c1-c0)
w *= tf.sqrt(1 + tf.abs(slope)) / 2
y = x * slope + (c1*r0-c0*r1) / (c1-c0)
thickness = tf.math.ceil(w/2)
yy = (tf.reshape(tf.math.floor(y), [-1, 1]) + tf.reshape(tf.range(-thickness-1, thickness+2), [1, -1]))
xx = tf.repeat(x, yy.shape[1])
values = tf.reshape(trapez(yy, tf.reshape(y, [-1, 1]), w), [-1])
yy = tf.reshape(yy, [-1])
limits_y = tf.math.logical_and(yy >= 0, yy < img.shape[0])
limits_x = tf.math.logical_and(xx >= 0, xx < img.shape[1])
limits = tf.math.logical_and(limits_y, limits_x)
limits = tf.math.logical_and(limits, values > 0)
yy = tf.cast(yy[limits], tf.float32)
xx = tf.cast(xx[limits], tf.float32)
return yy, xx, values[limits], apply_output(output, yy, xx, values[limits])
只是为了检查是否正常,您可以使用以下命令调用它,并使用opencv显示它
if __name__ == "__main__":
IMG = tf.zeros((500, 500), tf.float32)
yy, xx, vals, FINAL_IMG = weighted_line(IMG, 10, 20, 100, 200, 5)
jpeg_string = tf.io.encode_jpeg(FINAL_IMG)
tf.io.write_file("output.jpg", jpeg_string)
import cv2
img = cv2.imread("output.jpg")
cv2.imshow("Output", img)
cv2.waitKey(0)
我试图使用make_template()来避免在整个模型中传递重用标志。但make_template()在python类中使用时似乎无法正常工作。我粘贴了]我的模型代码和下面出现的错误。这是一个在MNIST数据集上进行训练的简单MLP。 由于代码有点长,这里的主要部分是_weights()函数。我尝试使用make_template()包装它,然后在其中使用get_variables()在整个模型中
我正在尝试在Windows中安装tensorflow, 我得到的错误是 收集原虫 我上网谷歌了一下,找不到任何解决办法。我使用python 3.5 64位
问题内容: 我想通过Tensorflow计算Jacobian矩阵。 是)我有的: 是损失函数,都是可训练的变量,并且是许多数据。 但是,如果我们增加数据数量,则需要花费大量时间来运行该功能。有任何想法吗? 问题答案: 假设和是Tensorflow张量,并且取决于: 结果具有形状,并提供的每个元素相对于的每个元素的偏导数。
有没有可能通过它们的方程式在画布中画出曲线呢?如果是,怎么做?假设我有一个数学方程y=0,5*x^2,如何打印方程的图形? 我尝试使用和方法,但未成功。
之前提到过,你可以用-addAnimation:forKey:方法中的key参数来在添加动画之后检索一个动画,使用如下方法: - (CAAnimation *)animationForKey:(NSString *)key; 但并不支持在动画运行过程中修改动画,所以这个方法主要用来检测动画的属性,或者判断它是否被添加到当前图层中。 为了终止一个指定的动画,你可以用如下方法把它从图层移除掉: -
这种tf.session很好: 但我必须保持持久会话以供重用。因此,我没有通过“with”语句创建tf.session,而是在下面创建了一个: 但这给出了以下错误(model_helper.load_model):有人能建议如何加载可以重用的显式会话吗? 文件“/home/pksingh/sans/app/nmt/model_helper.py”,第444行,在load_model session