参考代码:lightweight-human-pose-estimation.pytorch
1. 概述
导读:这篇文章是在OpenPose的基础上进行轻量化改进,从而使得整体网络能在Intel的CPU上达到实时的运行效果。对此文章的算法也是相当轻量级的只有410w的参数90亿的浮点运算,是含有两阶段优化OpenPose的15%,但是其AP(Average Precision)只降低了1个点。自然文章对原有OpenPose进行了加多的改进,从而使其在速度上得到提升。
2. 方法设计
OpenPose是bottom-up的关键点检测算法,其运行流程可以分为两个部分,见下图所示:
- 1)CNN网络输出两个特征图:关键点heatmaps和PAFs,这里特征图的stride=8;
- 2)将关键点按照人进行聚合得到属于这个人的关键点;
2.1 OpenPose计算复杂性分析
在OpenPose中使用VGG-19作为其backbone之后添加额外的conv4_3/conv4_4卷积层,之后经过initial网络添加5个连接的refinment stage,