直接回归的整个流程如下：
- 用卷积提特征
- 用全连接层进行回归得到关键点
- *与标签做损失并优化损失
当图像很大的时候，神经网络是在整张图像中去寻找一个像素点，所以直接回归这一解决办法让神经网络的工作是非常难的。在下一篇我们会手撕热力图方案的代码。热力图就是在关键点周围生成一个高斯圆，整个圆都可以看作是当前的关键点，但是整个圆是有一个概率值在里面，最中心的概率值最大，对应的热力图也越红，越往外概率越小。这种方法相对直接回归来说正样本更多，学起来也就更快，效果也要比直接回归好很多。首先我们需要一些pytorch的基本知识，大佬可以直接略过~
数据加载器前置学习
训练模型一般都是先解决数据的输入问题和预处理问题
Original: https://blog.csdn.net/qq_42308217/article/details/124825075
Author: @会飞的毛毛虫
Title: 关键点检测之直接回归(逐行手撕Pytorch)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/710342/
转载文章受原作者版权保护。转载请注明原作者出处！