姿态估计-DARK论文解读

论文地址： 《Distribution-Aware Coordinate Representation for Human Pose Estimation》
GitHub 地址： https://github.com/ilovepose/DarkPose

解决问题

编解码过程，关键点坐标变换产生误差。

创新点

1、基于泰勒展开的高效坐标解码；
2、无偏亚像素中心坐标编码。

算法原理

解码过程

原图经过模型降采样得到feature map即为heatmap，在预测生成的heatmap上找到极大值点坐标，映射回原图，得到关键点坐标，此过程存在量化误差。举例说明：
图片大小：W*H
降采样倍数s：4
关键点真值（x，y），x取11，y取11.
heatmap上真实坐标为（2.75，2.75），如果模型拟合准确，得到heatmap上寻找到极大值点（3，3），映射回原图，得到预测坐标（12，12）。因此此过程存在量化误差。
为解决此问题，标准做法如式1，在第二大极大值方向增加偏置0.25，
m为第一极大值点，s为第二极大值点，p为预测输出。
个人认为0.25由来：
四舍五入误差期望，误差服从（0，0.5）均匀分布，因此误差期望为（0+0.5）/2=0.25.
性能如表1所示，
增加0.25偏置带来性能大幅提升，作者为了更精确预测坐标，引入下面解码方法。
预测生成高斯heatmap如式3，

寻找G中准确极大值点u，即为寻找P=log（G）中极大值点u
P在u处一阶导数为0，

m为量化近似值（整数），u为准确值（浮点数），u处的P值，可用m处P值逼近，泰勒级数展开如式7

P在m处二阶导数如式8，根据式5、7、8克可得到式9，
式9即为通过m逼近得到预测值。
由于预测heatmap不满足高斯分布，存在多个峰值，如图3，因此会先进行高斯平滑

编码过程

g为关键点在原图上真值，g’为经过降采样后得到featuremap上坐标值，g’‘为经过四舍五入量化后得到，关键点坐标值。



依据g’‘生成高斯heatmap，产生量化误差，因此作者使用g‘代替g’'，生成无偏高斯heatmap。

实验结果

在coco数据上性能提升明显，在coco val数据集上，HRNet-W32上计算量仅增加16.4% (1.8/11.0 GFLOPs)，AP由66.9->70.7.

总结

DARK有效降低编解码过程产生量化误差，而且计算量未出现明显提升。