论文笔记：Towards accurate multi-person pose estimation in the wild（G-RMI）-程序员宅基地
技术标签： G-RMI 基于 OKS 的非最大抑制 姿态估计 Pose Rescoring 多人姿态估计 人体姿态估计
1、摘要
作者提出了新的自顶向下的多人姿态估计方法。首先使用 F a s t e r R C N N Faster~RCNN Faster RCNN 预测可能包含人体目标的边界框的位置和大小。然后估计每个提议边界框可能包含的关键点。使用全卷积 R e s N e t ResNet ResNet 预测每个关键点的密度热图和偏移量。为了合并输出，作者引入了一种新的聚合过程来获得高度定位的关键点预测。作者还使用了一种新形式的基于关键点的非最大值抑制，而不是更粗糙的框级非最大抑制，以及一种新形式的基于关键点的置信度得分估计，而不是框级得分。
2、方法
如图 1 1 1 所示为算法处理过程。
图 1 1 1 首先使用 F a s t e r R C N N Faster~RCNN Faster RCNN 检测人体目标，然后裁剪相应目标图像块，使用姿态估计器定位关键点，并且对相应提议重新打分。
2.1、人体检测
使用空洞卷积替代的 R e s N e t − 101 ResNet-101 ResNet−101 作为 F a s t e r R C N N Faster~RCNN Faster RCNN 检测器网络主骨，输出步长等于 8 8 8 像素。
2.2、姿态估计
姿态估计器在给定人体边界框的基础上预测 17 17 17 个人体关键点。对于每个空间位置，首先分类它是否在每个关键点附近（称之为“热图”），然后预测二维局部偏移向量，以获得相应关键点位置的更精确估计。
如图 2 2 2 所示，每个关键点对应 3 3 3 个输出通道。
图 2 2 2：网络目标输出。左和中：左肘关键点热图目标。右：偏移场 L 2 L2 L2 幅度（以灰度显示）和二维偏移向量以红色显示。
图像裁剪：首先通过扩展人体检测器返回的盒子的高度或宽度，使所有盒子具有相同的固定纵横比，而不扭曲图像纵横比。然后进一步扩大框来包含图像上下文：评估时缩放因子等于 1.25 1.25 1.25，训练时，缩放因子在 1.0 1.0 1.0 到 1.5 1.5 1.5 之间。之后将图像高度调整为 353 353 353，图像宽度调整为 257 257 257。纵横比为 353 / 257 = 1.37 353/257=1.37 353/257=1.37。
热图和偏移预测：使用全卷积的 R e s N e t − 101 ResNet-101 ResNet−101 产生热图（每个关键点一个通道）和偏移（每个关键点两个通道， x x x 和 y y y），一共 3 K 3K 3K 个通道， K = 17 K=17 K=17 为关键点数量。使用空洞卷积产生 3 K 3K 3K 个预测，输出步长为 8 8 8 像素，并使用双线性插值上采样至 353 × 257 353\times257 353×257。
若第 k k k 个关键点定位于 x i x_i xi， f k ( x i ) = 1 f_{k}\left(x_{i}\right)=1 fk(xi)=1，否则为 0 0 0。对每个位置 x i x_i xi 每个关键点 k k k，计算概率 h k ( x i ) = 1 h_{k}\left(x_{i}\right)=1 hk(xi)=1，如果 ∣ ∣ x i − l k ∣ ∣ ≤ R | | x_{i}-l_{k}| | \leq R ∣∣xi−lk∣∣≤R，即，到第 k k k 个关键点的位置 l k l_k lk 在半径为 R R R 的盘内。生成 K K K 个这样的热图，为每个位置和关键点独立解决二分类问题。
除了热图，为每个位置 i i i 和每个关键点 k k k 生成 2 − D 2-D 2−D 偏移向量。 F k ( x i ) = l k − x i F_k(x_i)=l_k-x_i Fk(xi)=lk−xi。一共生成 k k k 个这样的向量场，分别为每个位置和关键点求解回归问题。
生成热图和偏移场后，将两者结合生成高度局部化激活图 f k ( x i ) f_k(x_i) fk(xi)：
(1) f k ( x i ) = ∑ j 1 π R 2 G ( x j + F k ( x j ) − x i ) h k ( x j ) f_{k}\left(x_{i}\right)=\sum_{j} \frac{1}{\pi R^{2}} G\left(x_{j}+F_{k}\left(x_{j}\right)-x_{i}\right) h_{k}\left(x_{j}\right)\tag1 fk(xi)=j∑πR21G(xj+Fk(xj)−xi)hk(xj)(1)
其中， G ( ) G() G() 为双线性插值核。这是霍夫投票的形式：图像裁剪网格中的每个点 j j j 投下一张投票，并对每个关键点的位置进行估计，投票由它在相应关键点的影响盘中的概率加权得到。归一化因子等于盘面积，并确保如果热图和偏移是完美的，那么 f k ( x i ) f_k(x_i) fk(xi) 将是以第 k k k 个关键点的位置为中心的单位质量的 δ \delta δ 函数。
该过程如图 3 3 3 所示。
图 3 3 3 预测每个关键点附近的盘状热图和盘内精确关键点的偏移场幅值
训练：使用两个卷积输出头，一个输出 s i g m o i d sigmoid sigmoid 函数产生概率热图 h k ( x i ) h_k(x_i) hk(xi)。训练目标是 0 0 0 和 1 1 1 组成的热图。相应的损失函数 L h ( θ ) L_h(\theta) Lh(θ) 分别是每个位置和关键点的 l o g i s t i c logistic logistic 损失之和。为加速训练，在 R e s N e t ResNet ResNet 第 50 50 50 层添加中间监督。
偏移损失为：
(2) L o ( θ ) = ∑ k = 1 : K ∑ i : ∥ l k − x i ∥ ≤ R H ( ∥ F k ( x i ) − ( l k − x i ) ∥ ) L_{o}(\theta)=\sum_{k=1 : K} \sum_{i :\left\|l_{k}-x_{i}\right\| \leq R} H\left(\left\|F_{k}\left(x_{i}\right)-\left(l_{k}-x_{i}\right)\right\|\right)\tag2 Lo(θ)=k=1:K∑i:∥lk−xi∥≤R∑H(∥Fk(xi)−(lk−xi)∥)(2)
其中， H ( u ) H(u) H(u) 为 H u b e r Huber Huber 鲁棒损失， l k l_k lk 为第 k k k 个关键点位置，仅计算每个关键点半径 R R R 的盘内的位置 x i x_i xi 的损失。最终损失函数为：
(3) L ( θ ) = λ h L h ( θ ) + λ o L o ( θ ) L(\theta)=\lambda_{h} L_{h}(\theta)+\lambda_{o} L_{o}(\theta)\tag3 L(θ)=λhLh(θ)+λoLo(θ)(3)
其中， λ h = 4 \lambda_h=4 λh=4， λ o = 1 \lambda_o=1 λo=1。计算一个 m i n i b a t c h minibatch minibatch 中所有图像的损失和，然后随机梯度下降。
模型训练中的一个重要考虑是，在热图损失的计算中，如何处理图像裁剪中存在多人的情况。当计算中间层的热图损失时，作者排除了背景人关键点周围盘中的贡献。当计算最后一层的热图损失时，我们只将前景人关键点周围盘内视为正的，而将其他一切视为负的，这迫使模型正确预测框中央人物的关键点。
姿态重打分：测试时，将模型用于每个图像裁剪，而不是仅依赖人检测器置信度。考虑每个关键点置信度。最大化位置，平均化关键点产生最终实例级姿态检测分数。
(4) score ( I ) = 1 K ∑ k = 1 K max x i f k ( x i ) \operatorname{score}(\mathcal{I})=\frac{1}{K} \sum_{k=1}^{K} \max _{x_{i}} f_{k}\left(x_{i}\right)\tag4 score(I)=K1k=1∑Kximaxfk(xi)(4)
基于 OKS 的非最大抑制：使用目标关键点相似度来度量两个候选姿态检测是否重叠。姿态估计器输出处的更精细的 O K S − N M S OKS-NMS OKS−NMS 更适合于确定两个候选检测是对应于 F P FP FP （同一个人的双重检测）还是 T P TP TP（两个人彼此非常接近）。
3、实验
4、总结
- 热图和偏移场生成方法
- 姿态重打分
- 基于 OKS 的非最大抑制
智能推荐
什么是内部类？成员内部类、静态内部类、局部内部类和匿名内部类的区别及作用？_成员内部类和局部内部类的区别-程序员宅基地
文章浏览阅读3.4k次，点赞8次，收藏42次。一、什么是内部类？or 内部类的概念内部类是定义在另一个类中的类；下面类TestB是类TestA的内部类。即内部类对象引用了实例化该内部对象的外围类对象。public class TestA{ class TestB {}}二、 为什么需要内部类？or 内部类有什么作用？1、 内部类方法可以访问该类定义所在的作用域中的数据，包括私有数据。2、内部类可以对同一个包中的其他类隐藏起来。3、 当想要定义一个回调函数且不想编写大量代码时，使用匿名内部类比较便捷。三、 内部类的分类成员内部_成员内部类和局部内部类的区别
分布式系统_分布式系统运维工具-程序员宅基地
文章浏览阅读118次。分布式系统要求拆分分布式思想的实质搭配要求分布式系统要求按照某些特定的规则将项目进行拆分。如果将一个项目的所有模板功能都写到一起，当某个模块出现问题时将直接导致整个服务器出现问题。拆分按照业务拆分为不同的服务器，有效的降低系统架构的耦合性在业务拆分的基础上可按照代码层级进行拆分(view、controller、service、pojo)分布式思想的实质分布式思想的实质是为了系统的..._分布式系统运维工具
用Exce分析l数据极简入门_exce l趋势分析数据量-程序员宅基地
文章浏览阅读174次。1.数据源准备2.数据处理step1：数据表处理应用函数：①VLOOKUP函数; ② CONCATENATE函数终表：step2：数据透视表统计分析（1） 透视表汇总不同渠道用户数, 金额（2）透视表汇总不同日期购买用户数，金额（3）透视表汇总不同用户购买订单数，金额step3：讲第二步结果可视化, 比如, 柱形图（1）不同渠道用户数, 金额（2）不同日期..._exce l趋势分析数据量
宁盾堡垒机双因素认证方案_horizon宁盾双因素配置-程序员宅基地
文章浏览阅读3.3k次。堡垒机可以为企业实现服务器、网络设备、数据库、安全设备等的集中管控和安全可靠运行，帮助IT运维人员提高工作效率。通俗来说，就是用来控制哪些人可以登录哪些资产（事先防范和事中控制），以及录像记录登录资产后做了什么事情（事后溯源）。由于堡垒机内部保存着企业所有的设备资产和权限关系，是企业内部信息安全的重要一环。但目前出现的以下问题产生了很大安全隐患：密码设置过于简单，容易被暴力破解；为方便记忆，设置统一的密码，一旦单点被破，极易引发全面危机。在单一的静态密码验证机制下，登录密码是堡垒机安全的唯一_horizon宁盾双因素配置
谷歌浏览器安装（Win、Linux、离线安装）_chrome linux debian离线安装依赖-程序员宅基地
文章浏览阅读7.7k次，点赞4次，收藏16次。Chrome作为一款挺不错的浏览器，其有着诸多的优良特性，并且支持跨平台。其支持（Windows、Linux、Mac OS X、BSD、Android），在绝大多数情况下，其的安装都很简单，但有时会由于网络原因，无法安装，所以在这里总结下Chrome的安装。Windows下的安装：在线安装：离线安装：Linux下的安装：在线安装：离线安装：..._chrome linux debian离线安装依赖
烤仔TVの尚书房 | 逃离北上广？不如押宝越南“北上广”-程序员宅基地
文章浏览阅读153次。中国发达城市榜单每天都在刷新，但无非是北上广轮流坐庄。北京拥有最顶尖的文化资源，上海是“摩登”的国际化大都市，广州是活力四射的千年商都。GDP和发展潜力是衡量城市的数字指...
随便推点
java spark的使用和配置_使用java调用spark注册进去的程序-程序员宅基地
文章浏览阅读3.3k次。前言spark在java使用比较少，多是scala的用法，我这里介绍一下我在项目中使用的代码配置详细算法的使用请点击我主页列表查看版本jar版本说明spark3.0.1scala2.12这个版本注意和spark版本对应，只是为了引jar包springboot版本2.3.2.RELEASEmaven<!-- spark --> <dependency> <gro_使用java调用spark注册进去的程序
汽车零部件开发工具巨头V公司全套bootloader中UDS协议栈源代码，自己完成底层外设驱动开发后，集成即可使用_uds协议栈 源代码-程序员宅基地
文章浏览阅读4.8k次。汽车零部件开发工具巨头V公司全套bootloader中UDS协议栈源代码，自己完成底层外设驱动开发后，集成即可使用，代码精简高效，大厂出品有量产保证。:139800617636213023darcy169_uds协议栈 源代码
AUTOSAR基础篇之OS(下)_autosar 定义了 5 种多核支持类型-程序员宅基地
文章浏览阅读4.6k次，点赞20次，收藏148次。AUTOSAR基础篇之OS(下)前言首先，请问大家几个小小的问题，你清楚：你知道多核OS在什么场景下使用吗？多核系统OS又是如何协同启动或者关闭的呢？AUTOSAR OS存在哪些功能安全等方面的要求呢？多核OS之间的启动关闭与单核相比又存在哪些异同呢？。。。。。。今天，我们来一起探索并回答这些问题。为了便于大家理解，以下是本文的主题大纲：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JCXrdI0k-1636287756923)(https://gite_autosar 定义了 5 种多核支持类型
VS报错无法打开自己写的头文件_vs2013打不开自己定义的头文件-程序员宅基地
文章浏览阅读2.2k次，点赞6次，收藏14次。原因：自己写的头文件没有被加入到方案的包含目录中去，无法被检索到，也就无法打开。将自己写的头文件都放入header files。然后在VS界面上，右键方案名，点击属性。将自己头文件夹的目录添加进去。_vs2013打不开自己定义的头文件
【Redis】Redis基础命令集详解_redis命令-程序员宅基地
文章浏览阅读3.3w次，点赞80次，收藏342次。此时，可以将系统中所有用户的 Session 数据全部保存到 Redis 中，用户在提交新的请求后，系统先从Redis 中查找相应的Session 数据，如果存在，则再进行相关操作，否则跳转到登录页面。此时，可以将系统中所有用户的 Session 数据全部保存到 Redis 中，用户在提交新的请求后，系统先从Redis 中查找相应的Session 数据，如果存在，则再进行相关操作，否则跳转到登录页面。当数据量很大时，count 的数量的指定可能会不起作用，Redis 会自动调整每次的遍历数目。_redis命令
URP渲染管线简介-程序员宅基地
文章浏览阅读449次，点赞3次，收藏3次。URP的设计目标是在保持高性能的同时，提供更多的渲染功能和自定义选项。与普通项目相比，会多出Presets文件夹，里面包含着一些设置，包括本色，声音，法线，贴图等设置。全局只有主光源和附加光源，主光源只支持平行光，附加光源数量有限制，主光源和附加光源在一次Pass中可以一起着色。URP：全局只有主光源和附加光源，主光源只支持平行光，附加光源数量有限制，一次Pass可以计算多个光源。可编程渲染管线：渲染策略是可以供程序员定制的，可以定制的有：光照计算和光源，深度测试，摄像机光照烘焙，后期处理策略等等。_urp渲染管线