Tensorflow:确定预先训练的CNN模型的输出步长

Question

我已经下载并正在使用Tensorflow Lite Posenet模型实现一个ML应用程序。这个模型的输出是一个热图，这是CNN的一部分，我是新手。

处理输出所需的一项信息是“输出步幅”。它用于计算在原始图像中找到的关键点的原始坐标。

keypointPositions = heatmapPositions * outputStride + offsetVectors

但是文档没有指定输出步长。我是否可以用tensorflow中的信息或方法来获得这个(任何)预先训练过的模型的输出步幅？

• img的输入形状是：(257,257,3)
• 输出形状为：(9,9,17) (17个不同关键点的19x9热图)

import tensorflow as tf
import numpy as np
import json

model = tf.lite.Interpreter('models\posenet_mobilenet_v1_100_257x257_multi_kpt_stripped.tflite')
model.allocate_tensors()

with open('model_details.json', 'w') as outfile:
     info = dict(list(enumerate(model.get_tensor_details())))
     s = json.dumps(str(info))
     outfile.write(s)

Answer 1

输出步长可从下列方程中得到：

resolution = ((InputImageSize - 1) / OutputStride) + 1

示例：输入图像的宽度为225像素，输出步长为16，其输出大小为15

15 = ((225 - 1) / 16) + 1

对于tflite PoseNet模型(分辨率为9)：

9 = ((257-1)/ x) + 1 x = 32所以输出步长是32

来源