姿态估计 - Deep High-Resolution Representation Learning for Human Pose Estimation

0. 前言

• 相关资料：
  • arxiv
  • github
  • 论文解读（写得很好，值得看）
  • 本文中截图来自论文或上面这篇博客
• 论文基本信息
  • 领域：姿态估计
  • 作者单位：中国科学技术大学&微软亚洲研究院
  • 发表时间：CVPR 2019
• 一句话总结：提出一种新的backbone设计思路，即不同尺寸的特征图之间进行多次信息融合。

1. 要解决什么问题

• 为了获取图像中的位置信息（如目标检测、姿态估计、图像分割任务），一种常见的解决方案是增加特征图的尺寸，一般网络就是先下采样再上采样，且下采样、上采样过程中相同尺寸的特征图之间可能有skip connection。
• 现有的方法如下图
  • a是hourglass结构
  • b是cascade pyramid结构
  • c是simplebaseline结构
  • d中使用了空洞卷积
  • 

2. 用了什么方法

• 说白了，就是不同尺寸间特征图相互连接（有FPN的感觉，但也不完全是，毕竟1x的通道从头到尾都有）

  

• 不同尺寸间特征图应该如何融合呢

• 最终结果预测好像用的就是最高尺寸的特征图，其他的没用上。

3. 效果如何

• 横扫COCO/MPII/PoseTracking
  • 
  • 
  • 

4. 还存在什么问题&可借鉴之处

• 这种结构应该非常消耗算力和显存吧。毕竟连了这么多。