人体姿态”RMPE: Regional Multi-Person Pose Estimation“

多人姿态估计新兴研究方向，论文方法RMPE包含三个部分，即，对称空间变换网络（SSTN）、参数化的姿态非极大值抑制及姿态引导的proposal生成器（PGPG）。

多人姿态识别的方法有两步结构、part-based的结构两种。其中两步结构首先检测人体bbox，之后在每个box内独立估计姿态。part-based结构首先检测人体部件，然后组装检测到的人体部件形成多人姿态。

论文的方法是两步法，目标是在bbox不准确的情况下准确检测人体姿态。之前的方法Faster-RCNN结合SPPE Stacked Hourglass模型主要问题：定位错误问题、多检问题。SPPE易受bbox误差的影响，如下图所示：



SSTN是为了从不准确的bbox中提取高质量的人体区域，同时一个平行的SPPE分支用于优化网络，参数化的NMS为了解决冗余检测问题，PGPG用于增强样本。

RMPE的框架如下图所示：



检测器得到的人体bbox输入到Symmetric STN + SPPE模块，生成的姿态proposals由参数化的姿态NMS调整，训练中引入平行的SPPE避免局部最小，PGPG用来增强样本。

平行SPPE分支的输出直接与真值姿态的中心标记比较，这个分支的目的是后向传播center-located 姿态误差。对称STN结构及带有平行SPPE的训练策略：



实验结果