人体姿态估计学习——HRNet论文了解

前言

最近开始了看姿态估计的东西，所以选择了寻找顶会论文来拜读。这里找了一篇2019年的cvpr。由于还在处于相当入门的阶段，就简略讲一下自己的一些理解。

介绍

目前，关键点的寻找作为姿态估计中极其重要的部分，大佬们不断寻找提高预测准确率的方法。于是开始在信息的恢复（优化特征的高清度）上下功夫，一般的优化方法有：1.反卷积、2.沙漏结构、3.空洞卷积。

本文中HRNet：高分辨率子网络。在提高高清度方面提出了一个很特别的网络结构——并行多尺度融合的结构。

传统方法

1.以往的网络结构都是串联结构，先是用卷积降低分辨率，提取完特征后，再用多个反卷积来提高分辨率。此类方法不可避免的有信息损失。

2.以往大多的特征融合方式都是将高层的和低层的集合表示。

HRNet的创新点

1.采用并行的网络结构。多层并行，来保证分辨率一直为高，而不是先降低再升高。因而预测结构可能更好。

2.重复多尺度融合。不断的将各层的子图进行特征上的融合。有以下三种融合方式：
a.若为最上层，则与下两层的低层特征融合。
b.若为中间层，则与上一层和下一层的进行融合。
c.若为最底层，则与上两层进行融合。

低层向高层融合时需要进行上采样，高层向低层融合时需要下采样。

遇到问题

以下是看论文中遇到的问题，有的尚未解决。

1.转置卷积。也就是反卷积，之前都说反卷积，这里才知道也叫做转置卷积。为什么叫这个名字，就要去看看它的卷积过程（卷积图卷积过程中不断转置）

2.空洞卷积。感觉和padding的作用类似，但它是在卷积的过程中每次都跳过指定个数的格子。

3.文章最后的Network instantiation还没看懂。整体的网络结构还不清晰。

参考：

https://blog.csdn.net/weixin_37993251/article/details/88043650
https://blog.csdn.net/qq_18882399/article/details/90061195