训练阶段的输出

[YC0315]

您好作者，非常感谢您这么棒的工作，有个问题想问您，就是在训练阶段，您的网络就已经生成预测关键点了是吗？pvnet是只有在测试阶段才会生成最终的预测关键点。

[chensong1995]

Y1996-wwj 你好，

感谢你对我们工作的关注！在训练过程中，程序会将训练集中的图片交给网络，通过调整网络的参数，使得网络的预测结果和训练集的标注尽可能接近。彭同学的 PVNet 和我们的 HybridPose 在这里的流程是一致的。

希望这对你有所帮助！

[YC0315]

Y1996-wwj 你好，

感谢你对我们工作的关注！在训练过程中，程序会将训练集中的图片交给网络，通过调整网络的参数，使得网络的预测结果和训练集的标注尽可能接近。彭同学的 PVNet 和我们的 HybridPose 在这里的流程是一致的。

希望这对你有所帮助！

也就是说您的网络也是在测试阶段才会生成2D关键点是吗？我对您的网络的理解是：网络在训练阶段就会生成2D关键点（图1），然后根据生成的2D关键点去构建edge vevtors（图2）,请问这样理解对吗？

[chensong1995]

在训练阶段，PVNet 和 HybridPose 都会预测二维关键点。

[chensong1995]

Y1996-wwj 你好，

我似乎没有理解你的问题，非常抱歉。你所说的测试阶段才会“生成”2D关键点是什么意思呢？

[YC0315]

Y1996-wwj 你好，

我似乎没有理解你的问题，非常抱歉。你所说的测试阶段才会“生成”2D关键点是什么意思呢？

非常感谢您能这么快回复我的问题！

我的意思是，在训练阶段pvnet只是输出了预测的向量场和mask就完事了，并没有在训练阶段进行霍夫投票产生最终的9个2D关键点，而是在测试阶段才进行霍夫投票。不知道我理解的是否正确，而您的网络在训练阶段输出向量场和mask后还进行了投票产生了9个2D关键点。

下面这副图是pvnet作者在github上给其他读者的回信，不知道我的理解是否正确希望可以得到您的解答。 。

[chensong1995]

谢谢你的补充，这下我明白了。我们的网络在训练阶段并没有通过 RANSAC 投票生成二维的关键点坐标。这点和 PVNet 是一致的。我们的边向量 (edge vectors) 包含了 8 个关键点两两之间的偏移信息 (dx, dy)。在训练网络的时候，我们只用到了训练集上的偏移信息进行监督，并没有使用绝对的二维关键点的位置。

希望这对你有所帮助！

[chensong1995]

准确地说，在训练图中红色的 Prediction Networks 的时候，我们没有投票产生二维的关键点。但在训练图中黄色和绿色的 Initialization 和 Refinement sub-module 的时候，我们需要投票产生二维的关键点。这两处的训练是各自独立的。模型主体部分是红色的 Prediction Networks ，后面的两个 Sub-module 各自都只有个位数的参数。希望这对你有所帮助！

[YC0315]

准确地说，在训练图中红色的 Prediction Networks 的时候，我们没有投票产生二维的关键点。但在训练图中黄色和绿色的 Initialization 和 Refinement sub-module 的时候，我们需要投票产生二维的关键点。这两处的训练是各自独立的。模型主体部分是红色的 Prediction Networks ，后面的两个 Sub-module 各自都只有个位数的参数。希望这对你有所帮助！

好的，我明白您的意思了，再次感谢您这么棒的工作！