姿态估计 | DARK——人体姿势估计通用trick

https://arxiv.org/pdf/1910.06278.pdf

• 关键点标签编码（encoding）

在对人体姿态估计网络进行训练过程中，为降低计算成本，通常会对输入图像实施降采样处理，并在该降采样后的分辨率基础上开展训练。为了让网络能够以热度图作为训练目标，需将原始图像分辨率下的关键点坐标信息，转换为对应降采样后分辨率下的坐标数据，并借助高斯模糊方法将其转化为热度图。此过程被定义为坐标编码，即从具体坐标点生成热图的映射过程。

• 关键点热度图解码（decoding）

为了准确预测关键点在原始图像坐标系统中的具体位置，在完成热图预测之后，需要对图像分辨率进行相应的恢复操作，以便将其转换回原始的坐标空间。这一过程被称作坐标解码，即从热图中还原出具体的坐标点。

现有解码策略分析

目前针对关键点编码与解码机制的探讨性文献数量较少，但实际表明，编码与解码环节对最终输出结果的影响程度，往往超过网络架构调整所带来的影响。接下来将简要阐述当前主流的人体关键点估计模型（例如Hourglass、Hrnet等）所普遍采用的解码方法。此类解码方案旨在解决以下所述的固有问题。