基于生成对抗网络的人体姿态估计模型

Self-Adversarial Training for HumanPose Estimation
[Official Code]: pytorch (https://github.com/roytseng-tw/adversarial-pose-pytorch)

1.出发点

因为人体在不同场景下会受到自身身体遮挡以及人员密集等环境的影响，在面对这些复杂情况时传统的姿态估计模型难以实现准确的姿势识别。这些因素也会使得模型预测出的关键点位置与实际关节结构存在偏差，并且无法反映出人体固有的形态特征。例如，在下图所示的图片中我们可以清晰地观察到相较于正常姿势某些关节的位置明显偏离实际情况这表明当前模型在处理拥挤状态下的数据时存在一定的局限性为此作者提出了一种基于生成对抗网络的新方法以期望能够在关键点预测上取得更好的效果。

2.自对抗网络结构

在架构上类似于现有的GAN模型，在关键点检测任务中被提出的一种新型神经网络系统主要包含两个子网络：一个是用于特征提取的卷积神经网络（CNN