单例的关键点检测详解，Simple Baselines for Human Pose Estimation and Tracking

基于论文：https://arxiv.org/pdf/1804.06208.pdf

 

 

最终输出类似于mask，输出被归一化0-1之间，每个channe专门预测一个关键点的热图，所以无法预测不定点的关键点任务。（输出channel固定）

使用的label高斯分布化的函数，函数如下：

float gaussian = (float)exp(-0.5 * (pow(i - hm_pts[idx_ch].y, 2) + pow(j - hm_pts[idx_ch].x, 2)) * pow(1 / 
sigma, 2));

其中sigma是控制高斯化的方差的。这里取２

测试时峰值点取正误差的问题：

因为输出的最终长宽一般远小于输入图片，比如64x64。存在取整误差，考虑使用高斯拟合heatmap的方法找到理论最优点，因为训练的label是高斯分布，所以使用高斯分布拟合最准确。

另外关于负关键点（或不可见点）的处理方法，使得对应label的heatmap为全-1  或者全0。