人体姿态估计数据集整理（Pose Estimation/Keypoint）：MSCOCO（逐年）、LSP、FLIC、MPII、AI Challenge及打分标准

姿态估计等数据集收集整理；

LSP:
    样本数：2K
    关节点个数：14
    全身，单人

Leeds Sports Dataset [12]及其扩展[13]，我们将通过LSP共同表示。它们包含11000个训练和1000个测试图像。这些是来自体育活动的图像，因此在外观和特别是关节方面非常具有挑战性。

FLIC
    样本数：2W.
    关节点个数：9
    全身，单人，FLIC由从电影中拍摄的5003张图像（3987次训练，1016次测试）组成。 图像在上半身注释，大多数图形直接面向相机。

MPII
    样本数：25K
    关节点个数：16
    全身，单人/多人，40K people，410 human activities

MPII Human Pose由大约25k个图像组成，为多人提供注释，提供40k注释样本（28k训练，11k测试）。

MSCOCO
    样本数：>= 30W
    关节点个数：18
    全身，多人，keypoints on 10W people。118,287.张

AI Challenge
    样本数：21W Training, 3W Validation, 3W Testing
    关节点个数：14
    全身，多人，38W people

打分标准Metrics：

• LSP、FLIC、MPII：

Percentage of Correct Parts (PCP)

Percent of DetectedJoints (PDJ).（pcp改进版本）

• COCO:

MAP

mask rcnn 是把2014组合了，也就是coco 2017，包括对应的annotations具体为：

 train2014：person_keypoints_train2014.json                        （80k）

 val2014：  ①person_keypoints_val2014.json 

                   ②person_keypoints_minival2014.json                 （5k ，常用验证集）

                   ③ person_keypoints_valminusminival2014.json  （35k）

train 2017=person_keypoints_train2014.json +person_keypoints_valminusminival2014.json

也就是训练集有 115k张图片。准确数字为118,287.张

1 gpu下，2img/gpu；一个epoch 为57500iters。作者是12.17个epoch，也就是约为 72万。

"keypoints_coco_2014_train": {