有关预测结果问题

[accountcwd]

@LiMeng95 你好，我用你的预训练模型infer一些图片后发现有以下两点问题： 图一： 有两个keypoint跑到了box外面了，按照论文的思路应该只在框内找合适的keypoint匹配，这是什么原因呢。

图二： 最右边的那个框明显没包含到正确的人，而且有一个点也跑到框外了(虽然是对的)

[LiMeng95]

@accountcwd 你好，

关于第一张图， 使用prn进行测试的时候对边框进行了一定的扩大，见tester.py#L353，在原作者代码中也是相同的处理。in_thres参数值可以在test.py#L16中进行调整。

关于第二张图，

1. 点在框外的问题同上。
2. 边框检测的问题是由于目前训练的detection subnet表现还不是太好，目前还在想办法调整。
3. 连线出错的问题应该与prn subnet本身有关。

[accountcwd]

@LiMeng95 原来如此，感谢你的回答～ 不过我觉得把框扩大1.21倍范围来检测点有点太夸张了，导致的后果是：本来一些不可见的点，比如侧身的耳朵、手臂或者半身以下的脚踝，被强行识别到背景里的关节上，就像上面那两张图那样。

另外，据我观察现在工程上的detection subnet还是按照80个类别分类来做训练的吧？该任务只需要做people的检测，我觉得可以改成2分类，这样检测子网络的效果和速度应该都会有所提高。

[LiMeng95]

@accountcwd ，你好 是的，这个边框扩大的阈值可以进行调整。

另外关于detection subnet训练的问题，论文里是按照二分类进行训练的。目前的代码确实是按80类做的，这个地方现在还在修改。之后会给出改进后的版本。

[accountcwd]

@accountcwd ，你好 是的，这个边框扩大的阈值可以进行调整。

另外关于detection subnet训练的问题，论文里是按照二分类进行训练的。目前的代码确实是按80类做的，这个地方现在还在修改。之后会给出改进后的版本。

期待你的优化版本～