HRNet网络在mpii数据集上识别16个关键点，0-15标号分别对应什么关键点，规定这些关键点标号的代码在哪个文件里

在 MPII 数据集中，HRNet 网络识别的 16 个关键点的标号和对应的关键点如下：

| 标号 | 关键点 |
|:---:|:---:|
| 0 | 右脚踝 |
| 1 | 右膝盖 |
| 2 | 右髋部 |
| 3 | 左髋部 |
| 4 | 左膝盖 |
| 5 | 左脚踝 |
| 6 | 骨盆中心 |
| 7 | 脖子 |
| 8 | 头顶 |
| 9 | 左肘 |
| 10 | 左手腕 |
| 11 | 左肩 |
| 12 | 右肩 |
| 13 | 右手腕 |
| 14 | 右肘 |
| 15 | 脊椎中心 |

在 HRNet 代码中，这些关键点的标号定义在 `hrnet/lib/datasets/mpii_dataset.py` 文件中，可以通过查看该文件中的 `MPIIDataset` 类来获取这些标号和对应的关键点。其中，`self.joints` 列表中存储了这些关键点的名称和标号。

相关问题

HRNet网络在mpii 数据集上能识别出16个关键点，我想用预训练好的网络去测试自定义数据集，在只想输出其中14个关键点，需要重新训练模型吗？不重新训练的话该如何改代码

如果你想使用预训练的HRNet网络去测试自定义数据集，并只想输出其中14个关键点，你可以通过修改代码来实现。具体来说，你需要修改模型输出层的大小，使其只输出14个关键点的坐标，并且在测试数据中也只保留14个关键点的标注数据。以下是一些可能需要修改的代码：

1. 修改输出层的大小，例如：

model = HRNet(num_classes=14)

这会将输出层的大小设置为14。

2. 修改测试数据的标注数据，例如：

test_dataset = CustomDataset(test_data_path, test_label_path, num_keypoints=14)

这会将测试数据的标注数据设置为14个关键点。

3. 修改评估指标，例如：

eval_metrics = {'MAE': MAE(num_keypoints=14), 'PA': PA(num_keypoints=14)}

这会将评估指标设置为只考虑14个关键点。

需要注意的是，这种修改可能会对模型的表现产生一定的影响，因此最好还是重新训练模型。

HRNet 在mpii数据集上能识别出16个关键点，用预训练好的HRNet 网络去测试自定义关键点，但只想得到其中14个关键点，怎么把多余的两个关键点去掉

如果你只需要其中14个关键点，可以在训练模型时将这两个关键点的标注数据去掉。如果你已经训练好了模型，可以通过修改模型的输出层来实现只输出14个关键点的坐标。具体来说，你需要修改模型输出层的大小，使其只输出14个关键点的坐标，并且在训练数据和测试数据中也只保留14个关键点的标注数据。如果你使用的是现成的预训练模型，可以尝试修改模型的配置文件或者代码，以适应你的需要。