CVPR 2019 | MSPN 重构多阶段人体姿态估计网络

CVPR 2019 | Rethinking on Multi-Stage Networks for Human Pose Estimation
Official Code: pytorch

1.重新划分人体姿态估计网络类别

bottom-up and top-down：

当前关于人体姿态估计网络的综述文献中，普遍将其划分为bottom-up与top-down两种类型。在bottom-up类型的网络架构中，其核心流程为直接从整幅图像中识别出所有人体关键点，并借助启发式的后处理机制将这些关键点分配至对应的人体实例上。而top-down类型的网络则首先运用人体目标检测算法，从整幅图像中识别出各个人体实例的边界框，再依据这些边界框进行关键点的提取工作。此类分类方法的本质依据在于获取人体关键点的具体操作步骤。

单阶段 and 多阶段

依据网络架构的特性，本文将人体姿态估计网络划分为单阶段与多阶段两种类型。单阶段人体姿态