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
关于vue项目中的svg矢量图的使用_vue中的矢量图放在什么标签中-程序员宅基地
文章浏览阅读604次。矢量图，也称为面向对象的图像或绘图图像，在数学上定义为一系列由点连接的线。矢量文件中的图形元素称为对象。每个对象都是一个自成一体的实体，它具有颜色、形状、轮廓、大小和屏幕位置等属性。矢量图是根据几何特性来绘制图形，矢量可以是一个点或一条线，矢量图只能靠软件生成，文件占用内在空间较小，因为这种类型的图像文件包含独立的分离图像，可以自由无限制的重新组合。它的特点是放大后图像不会失真，和分辨率无关，适用于图形设计、文字设计和一些标志设计、版式设计等。我们一般项目中（vue2，vue3）中..._vue中的矢量图放在什么标签中
JavaScript引用数据类型-程序员宅基地
文章浏览阅读553次。引用数据类型是存放在堆内存中的对象，在栈内存中存放的是堆内存中具体内容的引用地址，通过这个地址可以快速查找到对象。，通过函数可以实现大量代码的重复使用，简单来说函数就是一个容器，可以封装一些代码， 在需要时再执行这些代码。关于数组我在我其他的文章里详细的去写了，如果有需要的话，如我其他的文章里去看。，其中的每个数据被称作元素，在数组中可以存放任意类型的元素。，所有的事物都是对象，例如人、 桌子、椅子、花、草、猫、狗等。对象和函数我在以后的文章里也会详细的去说。引用类型的赋值是对象引用。
java策略模式实战示例_java 策略模式demo-程序员宅基地
文章浏览阅读10w+次，点赞35次，收藏190次。以一个顾客价格计算策略为背景,写一个策略模式的demo参考代码 :https://github.com/zhang-xiaoxiang/DesignPatterns23没有用策略模式我们一般是下面的写法,直接写一个类,在类里面直接写策略算法(功能实现)//package com.demo.strategy;/** * NoStrategy:没有策略的做法 * 实现起来比较容..._java 策略模式demo
浏览器-程序员宅基地
文章浏览阅读162次。1.网站地址：网站地址https://www.baidu.com/ 其中的https:为协议 www.baidu.com为域名2.IP地址与域名域名是指一个或一组计算机的名称，好比你寄信时写的地址，地址是大概位置可以不同的描述，你家却是独一无二的，这独一无二的是IP地址。一个IP地址可以对应多个域名，一个IP地址对应一个计算机，3.渲染引擎在取的内容之后的基本流
MySQL Connector/C++ 操作MySQL数据库-程序员宅基地
文章浏览阅读2.3k次。Connector/c++库的编译： 1、把MySql数据库安装完成后，把bin目录加入环境变量。 2、下载boost库，官网就有下载：http://www.boost.org/ 3、安装cmake工具，加入环境变量。 命令行： cmake -G ， 列出cmake支持生成工程文件的各个版本。 4、下载 Con..._mysql connector/c++
常见的12种排序算法概念、思想、算法整理_统计排序算法思想-程序员宅基地
文章浏览阅读590次，点赞3次，收藏3次。目录排序整理基本排序插入排序直接插入排序(Insert Sort)冒泡排序其它操作随机数产生排序整理今年数据结构课设最后一道题要写好几种不同排序算法的效率比较，所以今天就先来做一下排序算法的功课。基本概念：主、次关键码排序算法的稳定性内、外排序时间开销：数据比较次数、数据移动次数静、动态排序算法执行的附加存储基本排序对一个数据表直接进行排序的几个基本方法（以增序为例）..._统计排序算法思想
随便推点
使用脚本编写 Vim 编辑器，第 2 部分: 用户定义函数_vimscript function!-程序员宅基地
文章浏览阅读1.2k次。原文：http://www.ibm.com/developerworks/cn/linux/l-vim-script-2/用户定义函数Haskell 或 Scheme 程序员会告诉您，函数对于任何严肃的编程语言来说都是最重要的特性。对于 C 或 Perl 程序员，他们也会告诉您完全相同的观点。函数为严肃的程序员提供了两个基本优势：它们能够将复杂的计算任务细分为足够小的部分，_vimscript function!
android布局嵌套太多会影响吗,android性能优化之布局嵌套简化-程序员宅基地
文章浏览阅读746次。好不容易做出一个app，但是卡顿、ANR、占用内存高，怎么办？路漫漫其修远兮，主要影响因素有这么几点一、占用内存、CPU高分析工具：android studio自带的profile工具，可以分析查看内存、CPU、网络带宽等情况，如图：image.png二、内存泄露分析工具：LeakCanarygithub地址：https://github.com/square/leakcanary会告诉你哪里有内..._android 多层布局嵌套会出现什么问题
Spring + MyBatis 数据库连接加密实现方式_spring+mybaties数据库配置明文密码加密-程序员宅基地
文章浏览阅读6.3k次，点赞2次，收藏11次。近期因项目需要，客户要求数据库用户名和密码需加密实现连接。项目实现框架SSM，上网查阅一番资料后，发现有部分资料分享的不是很完善，在此写下随笔，以便大家采纳及提出建议。有写的不对的地方，欢迎给予指正。以下来介绍我的实现方式1、配置 jdbc.properties 配置文件，该文件可放置在src同级目录下，其中的SIT环境和PRD环境的参数我就给删掉了，可以根据自身项目实际情况，决定要配置几..._spring+mybaties数据库配置明文密码加密
9 循环神经网络——具有记忆功能的网络（1）_具有场景记忆功能的网络-程序员宅基地
文章浏览阅读676次。9-23 yuyinchall准备一批带有文字标注的语音样本，构建BiRNN网络，通过该语料样本进行训练，实现一个能够识别语音的神经网络模型程序：import numpy as npimport timeimport tensorflow as tffrom tensorflow.python.ops import ctc_opsfrom collections import Cou..._具有场景记忆功能的网络
msm8909内核音频日志抓取_invalid field accessor: .adsp audio copp output-程序员宅基地
文章浏览阅读1.3k次，点赞2次，收藏5次。#!/bin/bashecho -n "file msm-compr-q6-v2.c +p" > /sys/kernel/debug/dynamic_debug/control echo -n "file msm-compress-_invalid field accessor: .adsp audio copp output
2023 年全国大学生电子设计竞赛仪器设备和主要元器件及器材清单_电子设计大赛 精密电位器-程序员宅基地
文章浏览阅读605次，点赞3次，收藏4次。2023 年全国大学生电子设计竞赛仪器设备和主要元器件及器材清单_电子设计大赛 精密电位器