CVPR2019 | CrowdPose: Crowded human pose estimation benchmarks

https://github.com/MVIG-SJTU/AlphaPose/tree/pytorch
https://arxiv.org/pdf/1812.00324.pdf

1.传统单人姿态估计loss

基于传统的人体单姿态估计模型采用的是均方误差（MSE）作为损失函数。针对每一个关键点而言，在这种情况下采用的传统计算损失函数的方式如下：

上图中只有一个目标方框专门用于对主要人体关键点的预测与定位，并未涉及其他潜在的人体标记。鉴于此采用的预测策略，在人群密集的环境下同样一个目标方框往往会同时反映出主要的人体轮廓以及背景区域中存在的多余对人体解剖学相关的标记。这些额外的标记不仅会干扰主目标检测准确性还可能导致整体追踪效果的下降

2.拥挤人体姿态估计loss

本文采用CrowdPose算法框架进行人体姿态估计研究，在具体计算流程图中展示了该算法的具体实现过程。其中以均方误差作为损失函数的具体实现形式，并通过以下公式进行了详细推导：

其中E代表总误差值,y_i表示真实值,\hat{y}_i为预测值,N是样本总数

![](h