《Simple Baselines for Human Pose Estimation and Tracking》
來源：微軟亞洲研究院
論文：https://arxiv.org/abs/1804.06208
源碼：https://github.com/Microsoft/human-pose-estimation.pytorch
本次筆記省略了Tracking部分
Introduction
近年來，人體姿態估計的研究已取得顯著進展；早期的MPII Benchmark，現在的COCO人體關鍵點挑戰賽發展更快，如2016年冠軍PAF（openpose，mAP=60.5）和2017年冠軍CPN（mAP=72.1）；當然這期間也還有很多優秀的人體姿態方法，如Hourglass等
本文設計了非常簡單的CNN模型SimplePose，實現top-down模式的人體姿態估計，在COCO測試集上取得mAP=73.7，在2018挑戰賽上也取得了亞軍席位
這裏說句題外話，PAF是bottom-up模式，CPN和SimplePose是top-down模式，兩者都有自己的優勢，只對比mAP對PAF是不太公平的，有興趣移步PAF
SimplePose
本文提出的模型結構非常簡單，如下
1）上圖中a是Hourglass網絡，b是CPN，c是本文的SimplePose，可以直觀看出結構的複雜度對比
2）前兩種結構需要構造金字塔特徵結構，如FPN或從Resnet構建
3）SimplePose則不需要構建金字塔特徵結構，它是直接在Resnet後面設計反捲積模塊並輸出結果
4）具體結構：
首先：在Resnet的基礎上，取最後殘差模塊輸出特徵層（命名C5）
然後：後面接上3個反捲積模塊（每個模塊爲：Deconv + batchnorm + relu，反捲積參數，256通道，44卷積核，stride爲2，pad爲1）
最後：用11實現輸出熱力圖
在這些模型中，可以看出如何生成高分辨率特徵圖是姿態估計的一個關鍵，SimplePose採用Deconv擴大特徵圖的分辨率，Hourglass，CPN中採用的是upsampling+skip方式；當然我們很難就這一個實例就判定那種方式好
Experiments
1）Backbone和Input Size對比
2）Hourglass，CPN對比
3）金典算法對比
