姿态估计的模型评估_快速人体姿态估计：CVPR2019论文阅读

快速人体姿态估计：CVPR2019论文阅读

Fast Human Pose Estimation

论文链接：

http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_Fast_Human_Pose_Estimation_CVPR_2019_paper.pdf

摘要

现有的人体姿态估计方法通常只考虑如何提高模型的泛化性能，而忽略了显著的效率问题。这导致在实际应用中开发可扩展性和成本效益较差的重型模型。在这项工作中，我们研究了研究不足但实际上是关键的位姿模型效率问题。为此，我们提出了一种新的快速位姿蒸馏（FPD）模型学习策略。具体来说，FPD训练了一种轻量级的位姿神经网络结构，能够以低计算成本快速执行。它是通过有效地传递强教师网络的位姿结构知识来实现的。广泛的评估显示了我们的FPD方法在两个标准基准数据集MPII人体姿势和Leeds运动姿势的模型成本效益方面，优于广泛的最新姿势估计方法。

1. Introduction

在这项研究中，我们考虑的问题是在不降低模型性能的前提下，保持可比精度结果的姿态估计效率。我们观察到，最先进的人体姿势网络（如Hourglass[19]）的基本CNN构建块在建立小型网络时并不具有成本效益，因为每层有大量的频道，而且更难训练。 为了克服这些障碍，我们设计了一种轻量级的Hourglass网络，并提出了一种更有效的小姿态网络知识提取训练方法[13]。我们称之为快速位姿蒸馏法。

与目前性能最好的替代姿态方法[32,10]相比，本文提出的FPD方法能够在达到相同人体姿态预测性能的同时，以更小的模型尺寸实现更快、更具成本效益的模型推理。我们的贡献总结如下：

（i） 我们研究