Multi person-pose estimation

几篇人体关键点检测的论文

一、Mask R-CNN

Mask R-CNN
Mask R-CNN同时进行目标检测和实例分割，在Faster-RCNN框架基础上增加mask分支，多任务损失为：
$L=L_{cls}+L_{box}+L_{mask}$
对于每个RoI，mask分支有$Km^2$维的输出，表示K个分辨率为$m\times m$的二值mask，对应K个类别。使用per-pixel sigmoid生成二值图，定义$L_{mask}$为平均二值交叉熵损失。对于具有真值标签k的RoI，$L_{mask}$仅对第k个mask定义，其他的mask对损失无贡献。
分类分支预测类别标记，使用这个标记选择输出的mask。这不同于FCN，使用的是per-pixel softmax 交叉熵损失，不同类间的mask有竞争。

Mask表示
Mask是输入目标的空间布局，而类别标记和box预测是将卷积特征图通过fc层折叠到短向量，而提取mask的空间结构需要对卷积特征图进行点到点的对应。论文使用FCN预测 m×m