论文笔记二：OpenPose（Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields部分

论文笔记二：OpenPose（Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields部分

补：图3：两分支多细胞神经网络体系CNN结构,第一个分支的每个阶段预测置信图 st，第二个分支的每个阶段预测 pafs lt，两个分支的预测，连同图像特征，将连接为下一个阶段。如上述所说，本文采用two-branch multi-stage CNN作为最终CNN框架；如上图，上半部分为关联场预测网络，下半部分为关键点预测网络，并采用多级（stage）级联方法 ，每级之后，将图像和两个支流融合到一起供下一级使用在训练过程中，每级都会进行loss监督（中间监督）

2、图上展示了我们的方法的总体流程。该系统将大小为w×h的彩色图像作为输入(图2a)，并将图像中每个人的二维解剖关键点位置作为输出(图2e)。首先，前馈网络同时预测一组二维人体部位置信度图S(图2b)和一组二维向量场L(图2c)，后者对人体部位之间的关联度进行编码。集合S = (S1, S2，…其中，SJ∈Rw×h, J∈{1…J}。集合L = (L1,L2，…，LC)有C个向量场，每个limb1一个，其中LC∈Rw×h×2,C∈{1…C}， Lc中的每个图像位置编码一个二维向量(如图1所示)，最后通过贪婪推理(图2D)解析置信图和亲和域，输出图像中所有人的二维关键点。

Method

2.1、Simultaneous Detection and Association 我们的架构，如图3所示，同时预测检测置信图和编码部分到部分关联的亲和域。 网络被分成两个部分: 顶部的分支，用米黄色显示，用来预测信任度（所谓置信度，也叫可靠度，它是指特定个体对待特定命题真实性相信的程度，也就是概率是对个人信念合理性的量度。置信水平是指总体参数值落在样本统计值某一区内的概率；而置信区间是指在某一置信水平下，样本统计值与总体参数值间误差范围。置信区间越大，置信水平越高。），底部的分支，用蓝色显示，用来预测亲和度。。每个分支都是一个迭代预测体系结构，遵循Wei等人[31]改进了连续阶段的预测，t∈{1…，T}，每个阶段都有中间监督。

图像首先由卷积网络（由VGG-19的前10层初始化并微调）进行分析，生成一组输入到每个分支的第一级的特征映射F。在第一阶段，该网络产生一组检测置信映射S 1＝ρ1（F）和一组部分部件关联场l1＝φ1（F），其中ρ1和φ1是在第1阶段进行推断的CNNs。在随后的每个阶段中，将前一阶段中来自两个分支的预测与原始图像特征F连接起来，并用于生成精确的预测

图4 右腕（第一排）和右前臂（第二排）跨级的置信度图。尽管早期左右身体部位和四肢之间存在混淆，但在后期通过全局推断，估计值会越来越精确，如突出显示的区域所示。

图4示出了跨阶段的置信映射和亲和域的细化。为了指导网络迭代预测第一分支和第二分支的身体部位的置信度图，我们在每个阶段的末尾分别应用两个损失函数，每个分支一个。我们在估计的预测和标定真值图和场之间使用L2损失。在这里，我们对损失函数进行空间加权，以解决一些数据集不能完全标记所有人的实际问题。具体来说，t阶段两个分支的损失函数为：

这里的Sj是groundtrth的置信图，Lc是垂直groundtrth的部分亲和域，W是二值mask，W-=0表示当前点P缺失用来避免在训练中惩罚真实的正面预测。 每个阶段的中间监视通过周期性地补充梯度来解决梯度消失的问题。 总体目标是公式（5）

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。