来自 MediaPipe 的 Palm 检测器模型的后处理输出答案

【问题标题】：Post processing output of Palm detector model from MediaPipe来自 MediaPipe 的 Palm 检测器模型的后处理输出
【发布时间】：2021-11-09 01:36:19
【问题描述】：

我无法对手掌检测模型的输出进行后处理以获取输入图像中手掌的边界框。

"" 手掌检测器：1）预定义的预测偏移量锚点表示为 1 x 896 x 18 张量。 2) 每个anchor的预测检测置信度得分表示为 1 x 896 张量。 ""

2.) 置信度得分是有道理的。但是，我不确定 1.) 中的 18 个值是什么。我怎么知道预定义的锚点是什么（相对于输入图像 128x128）？第三个昏暗的 18 个值是多少？如果它是 4 的倍数是有道理的，因为偏移边界框需要 4 个值，但它不是 4 的倍数。也许我没有正确理解 SSD 模型的输出。

简而言之，我如何对该模型的输出进行后处理以获得相对于输入尺寸 128x128 的最终边界框？

【问题讨论】：

【解决方案1】：

请查看链接：

这18个值是模型提供的偏移量（4个值）+ 7个关键点（指关节、手腕基点等）。

下面的这个链接显示了这 7 个关键点的外观（滚动到后面的页面）： https://opencv.org/wp-content/uploads/2020/11/Universal-Hand-Control.pdf

以后可能还想查看以下链接：

【讨论】：

正如目前所写，您的答案尚不清楚。请edit 添加其他详细信息，以帮助其他人了解这如何解决所提出的问题。你可以找到更多关于如何写好答案的信息in the help center。