Can i ask you some questions about adaptivepose HOT 4 CLOSED

1. z['ap'] 只是用于可视化，没有显示的监督，adaptivepose使用中心特征预测ap偏移，再取出ap位置的特征第二跳偏移，整个两跳path是梯度可回传的，所以相当于隐式监督的。
2. Resample2D就是warp操作，通过双线性插值取ap位置特征。self.gradient_mul这块意思跟降低该层的学习率一个意思。
3. 我这边实验效果 oks+L1 > oks > L1。先RegWeightedL1Loss_coco()，再oks这个操作你可以自己试试。自己的数据集如果是人体关键点你直接按着coco取对应位置的sigma就可以了，sigma跟数据集无关。算oks的时候把中心坐标加到偏移上了，建议仔细看看

from adaptivepose.

@buptxyb666
off_to_pose中将中心坐标加到偏移上， 是我没看清楚。 sigma的话我想问的是如果不是人体关键点的话， 该怎么估算呢？

from adaptivepose.

首先认为标注过程符合高斯分布，sigma 跟 scale这俩参数乘积，就是高斯分布的方差，直觉上理解就是对偏差的容忍度，比如同样偏移五个像素，可能对于eye的预测误差就是不可容忍的，对于hip的预测误差是可容忍的，对于large scale是可容忍的，对small scale是不可容忍的。coco上提供的标注，也是脸部关键点的sigma最小，其他的大一些，你可以按着这个思路来估算下你所估计的点的sigma。

from adaptivepose.

好的 谢谢了

from adaptivepose.