『算法学习』CPN：Cascaded Pyramid Network for Multi-Person Pose Estimation

论文连接

CVPR2018的文章，用于关键点检测（原话叫“多人姿态估计”）。本算发聚焦点在于处理多人姿态估计所面临的挑战：关键点遮挡，关键点不可见，复杂背景等——就是优化对于难以检测的点的预测，即着重于处理 “hard” 关键点。

思路就是detector先定位bbox，然后使用CPN检测关键点，其中原作者使用的是FPN进行bbox定位（下图解释了FPN的优越性），并应用了ROIAlign。

CPN本体由两部分组成：GlobalNet和RefineNet，流程如下图所示，GlobalNet对关键点进行粗提取，RefineNet精细加工难以识别的网络（RefineNet对不同层信息进行了融合，可以更好的综合特征定位关键点）。

GlobalNet 采用类似于FPN的特征金字塔结构，并在每个elem-sum前添加了1x 卷积。

RefineNet基于GlobalNet生成的特征金字塔，其链接了所有层的金字塔特征用于定位“hard”关键点。