DACON
search 구독 안내
알림 0

    MY XP

    XP 안내

    LEVEL 1

    다음 레벨까지 150 XP

    0/150 XP

    오늘의 XP

    0 / 800

    전체 XP

    0

    적립 XP

    0

    사용 XP

    0
    dacon logo

    SNS 계정으로 로그인

    google 구글 로그인 facebook 페이스북 로그인
    아직 데이콘 계정이 없나요? 회원가입
    메일 인증 필요

    로그인 하시려면 아래 이메일로 인증이 필요합니다. 이메일을 다시 보내시겠습니까?
    [데이콘] 회원가입 인증메일

    데이콘 회원가입을 환영합니다. 메일 인증은 데이콘 회원가입을 위한 필수 절차입니다. 아래 이메일을 인증하여 회원가입 절차를 완료하여 주시기 바랍니다.

    이용약관

    개인정보 처리방침

    마케팅 정보 수신 동의

    모션 키포인트 검출 AI 경진대회

    운동 | Keypoint Detection | 비전 | RMSE

    • moneyIcon 상금 : 400만원
    • 848명 마감
    연습
    대회안내 데이터 코드 공유 토크 리더보드

     

    앞/뒤 모습을 구분할 수 있는 방법이 있을까요 ?

    최정명
    2021.03.09 18:44 5,983 조회
    comments 7

    이미지 하나씩 보면서 든 생각이 keypoint는 좌/우 구분되어 있는 부위가 있습니다.

    ex) left_shoulder_x, left_shoulder_y, right_shoulder_x, right_shoulder_y


    뒤돌아 있는 사람, 정면인 사람을 예측할 때 서로 완전 반대로 예측해 버리면 왼쪽/오른쪽 keypoint는 완전 반대 방향이기 때문에 loss가 엄청 크게 오르겠죠.


    모델이 앞/뒤 모습을 구분할 수 있도록 좋은 아이디어가 있을까요 ?


    시도는 안해보았지만 생각해 본것은 얼굴 검출을 하여 얼굴이 검출되면 앞 아니면 뒤 이런식으로도 할 수 있겠네요. 하지만 얼굴을 숙인 동작이 있다면 또 완전 반대로 예측하게 되겠죠? ...



    아니면 따로 구분하는 것을 모델의 파이프라인에 포함하지 않더라도 모델은 잘 예측할 수 있을까요 ?


    여러분들 생각은 어떤가요 ?

    댓글 7개
    로그인이 필요합니다
    0 / 1000
    최정명
    2021.03.09 19:27

    추가로 사람의 좌측을 비추고 있는 시점, 우측을 비추고 있는 시점 에서도 아주 약간의 차이가 발생할 수 있을것 같네요.
    이러한 부분을 어떻게 처리할 수 있을지... 궁금하네요.

    킹왕짱정혁
    2021.03.10 13:13

    저도 공감합니다. 테스트 셋에 대해 keypoint 예측 후 이미지에 예측된 keypoint를 입혀 몇 가지 살펴본 결과.. 각 keypoint들의 edge의 연결 형태(스켈레톤)는 사람와 비슷하나 앞 모습, 뒷 모습에 따라서 left와 right를 잘 구별하지 못하더라구요.. 이 방법에 대해서는 좀 더 생각해봐야 할 것 같습니다

    최정명
    2021.03.10 16:04

    맞습니다. 그리고 애매한 키포인트는 좌우의 중앙 부분으로 결과를 내는 것 같더라고요.
    이러한 문제를 저는 처음 접해보는데 이미 이러한 문제들은 다 해결하지 않았을까 라는 생각으로 열심히 검색해보고 있습니다.
    관련 연구들을 검색해보면 좌우 구분도 잘하고 결과도 좋더라고요. 이미 연구된 내용을 보고 잘 적용 해봐야겠네요.

    의견 감사합니다. ㅎㅎ 

    JY!
    2021.03.11 09:57

    제 경험으로는 특히 고개를 숙이는 경우 성능이 제일 불안정했습니다. 보통 논문에서는 이를 따로 다루지는 않고, 데이터의 다양성 문제로 보는 것 같습니다.

    최정명
    2021.03.11 15:17

    해당 부분의 학습 전략을 잘 짜야겠네요 !

    의견 감사합니다.

    우주대마왕
    2021.03.12 09:57

    학습 데이터셋 크기는 적고 키포인트 개수는 다른 벤치마크 MPII (16개), COCO (17개)에 비해서 훨씬 많기 때문에 발생하는 문제라고 보시면 될 것 같습니다.  저는 실험을 Augmentation 안한 것, 전체 Flip 한것, 선택해서 Flip 한것과 점수 차이는 전체 데이터셋 Flip한게 더 좋았습니다. 

    최정명
    2021.03.12 14:19

    좋은 정보 감사합니다.

    Flip 할 때 질문이 있습니다.
    좌우 flip 할 때는 keypoint도 좌, 우 flip이 될것 같은데 그대로 진행 하셨나요?

    예를 들어 <앞모습> 사진에서 human의 1인칭 시점에서 우측은 우측 그대로입니다. 만약 keypoint도 같이 flip 했다면 human의 1인칭 시점에서 우측에 right keypoint있던것들이 좌측으로 옮겨집니다. 이 부분에서 좌우flip에 대해서는 따로 전처리를 했는지 궁금하네요 !

    그리고 저도 flip을 전체 적용했을 때가 성능이 더 잘 나왔던것 같습니다.
    위 문제를 생각해보고 flip을 적용 안 했을때 성능이 오히려 조금 떨어지는 것 같더라고요. 

    📣 댓글 작성 창의 위치가 댓글 리스트 상단으로 이동하였습니다!
    to_list 목록으로
    이전 글
    Heatmap Regression으로 접근하신 분 계실까요?
    대회 - 모션 키포인트 검출 AI 경진대회
    좋아요 14
    조회 8,306
    댓글 2
    4년 전
    현재 글
    앞/뒤 모습을 구분할 수 있는 방법이 있을까요 ?
    대회 - 모션 키포인트 검출 AI 경진대회
    좋아요 17
    조회 5,983
    댓글 7
    4년 전
    다음 글
    Keypoint R-CNN test 적용 결과
    대회 - 모션 키포인트 검출 AI 경진대회
    좋아요 15
    조회 6,257
    댓글 8
    4년 전