HRNet网络在mpii 数据集上测试，可以不进行裁剪直接输入原图吗？这种情况下还需要center 和scale 这两个参数吗？如何center 和scale 这两个参数去掉，还可以识别出人体关键点的坐标吗，还能得到预测文件pred .mat 吗？怎么把center 和scale 设置为默认值，代码该怎么写

HRNet网络在mpii数据集上进行测试时，可以不进行裁剪直接输入原图，但是在输入图像之前，需要将图像进行标准化，使其符合网络的输入要求。这个标准化过程需要使用center和scale这两个参数。

如果您想去掉center和scale这两个参数，可以将它们的值设置为默认值，如下所示：

center = [0, 0]
scale = 1.0

这里的center和scale的默认值分别为图像的中心点和缩放比例为1.0，这样可以将输入图像进行标准化，但是这可能会对模型的性能产生一定的影响。

如果您想使用这种方式测试HRNet网络，可以在测试代码中将center和scale设置为默认值，如下所示：

# 测试代码示例
import cv2
import numpy as np
import torch
from pose_estimation.models import get_pose_net
from pose_estimation.config import cfg


def main():
    # 加载模型
    model = get_pose_net(cfg, is_train=False)
    model.load_state_dict(torch.load(cfg.TEST.MODEL_FILE), strict=False)
    model.eval()
    device = torch.device(cfg.MODEL.DEVICE)
    model.to(device)

    # 加载图像
    img = cv2.imread("test.jpg", cv2.IMREAD_COLOR | cv2.IMREAD_IGNORE_ORIENTATION)
    img = img.astype(np.float32) / 255.0
    img = (img - cfg.DATASET.PIXEL_MEAN) / cfg.DATASET.PIXEL_STD
    img = img.transpose(2, 0, 1)[np.newaxis, ...]
    img = torch.from_numpy(img).to(device)

    # 设置center和scale为默认值
    center = [0, 0]
    scale = 1.0

    # 进行前向推理
    with torch.no_grad():
        output = model(img, [center], [scale])
    preds = output['preds'].detach().cpu().numpy()

    # 保存结果
    np.save("preds.npy", preds)

这样，您就可以使用默认值进行测试，并得到预测文件preds.npy。