年轻即出发，

由单个可变形卷积层进行的偏移操作不仅会造成原始信息的缺失，还会造成位置特征的损失，从而导致关键点检测精度下降，出现关键点漂移的现象。我的改进是对target进行高斯平滑，然后再使用平滑后的target计算梯度，这样target中的正样本将由原来的1个点变为以该点为中心的一个高斯分布区域中的点，并且该高斯分布区域中不同的点从中心到边缘梯度权重越来越低，间接的增加了正样本的数量，有种focal loss的味道，所以将该loss定义为focal loss，代码实现参考了CornerNet的代码。

论文：3D human pose estimation in video with temporal convolutions andsemi-supervised training Github：https://github.com/facebookresearch/VideoPose3D Human3.6M数据集：https://drive.google.com/drive/folders/1kgVH-GugrLoc9XyvP6nRoaFpw3TmM5xK CVPR2019 论文...

论文：Efficient Pig Counting in Crowds with Keypoints Tracking andSpatial-aware Temporal Response Filtering youtube:https://www.youtube.com/watch?v=O3PtbKjvNK0 ICRA2020，京东农牧美国团队的作品 论文提出了一个自底向上的猪只身体关键点检测方法，非常类似openpose。然后是一个基于匈牙利算法的不同时刻猪只匹配问题。最后基于空间敏...

论文：Objects as Points Github：https://github.com/xingyizhou/CenterNet CVPR 2019 CenterNet，一个anchor free的新的检测算法，算是对cornerNet的改进，在cornerNet基础上，引入了中心点的概念，因此，称为CenterNet。 算法亮点， anchor free，大大减少了a...

论文：Joint COCO and Mapillary Workshop at ICCV 2019:Keypoint Detection Challenge Track GitHub：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch ICCV 2019 论文对于高IOU情况下的遮挡问题，比如一个框中有2个...

论文：Convolutional Pose Machines Github：https://github.com/timctho/convolutional-pose-machines-tensorflow https://github.com/JindongJiang/WeightedLoss_Convolutional_Pose_Machines_PyTorch CMU的工作...

论文：Pretraining boosts out-of-domain robustness for pose estimation 结论： 预训练的优点，更短的训练时间，更少的训练数据，对域外数据更加鲁棒，使用预训练模型相比随机初始化模型可以获得更好的域外数据的准确性。 在ImageNet上有更好表现的模型，具有更好的泛化性，尤其是对于域外数据。例如Resnet比MobileNet具...

一个人走得快，一群人走得远…… 论文：DeepLabCut: markerless pose estimation of user-defined body parts with deep learning Github：https://github.com/AlexEMG/DeepLabCut 安装： pip3 install opencv-python==3.4.5.20...

该文章出自2017年的CVPR，Realtime Multi-Person 2D Pose Estimation using Part Affinity Field，是CMU的工作，效果真的amazing。 也许这篇文章的亮点在于，融合了PCM和PAF的级联cascade形网络结构，网络设计思想和RefineNet的网络设计思想很像，以及相应条件约束的偶匹配（bipartite match...

RMPE出自2017ICCV，RMPE: Regional Multi-Person Pose Estimation，是上海交大，卢策吾老师组的作品。 主流的姿态识别通常2个思路， （1）two-step framework，就是先进行行人检测，得到边界框，然后在每一个边界框中检测人体关键点，连接成一个人形，缺点就是受检测框的影响太大，漏检，误检，IOU大小等都会对结果有影响...

这篇是face++2017年coco keypoint benchmark 数据集冠军的文章。主要提出了基于CPN(Cascaded PyramidNetwork)结构的人体关键点检测框架。Top-downpipeline：整体框架采用Top-down自上而下的检测策略。首先使用行人检测框架，先检测出行人候选框。然后使用本文的CPN网络对每一个检测出来的行人候选框进行人体关键点的回归，进而输出最终...

论文：Improving Multi-Person Pose Estimation using Label Correction 论文提出了一种openpose人体关键点算法的改进策略。由于官方的coco数据集中存在下面的问题， 图片之后的人体区域没有关键点的标注 遮挡情况下的人体区域没有关键点的标注 有些可见的关键点区域没有进行相应的关键点标注 可以忽略的区域的mask标注缺...