Convolutional Pose Machines（理解）

0 - 背景

　　人体姿态识别存在遮挡以及关键点不清晰等主要挑战，然而，人体的关键点之间由于人体结构而具有相互关系，利用容易识别的关键点来指导难以识别关键点的检测，是提高关键点检测的一个思路。本文通过提出序列化结构模型，来提高人体姿态识别任务的效果。

1 - 贡献

• 使用一个序列卷积结构模型学习表达空间信息
• 采用系统的方法来设计和训练模型，以学习图像特征和依赖图像空间模型进行结构化预测的任务
• 在MPII/LSP/FLIC等数据集上实现了最好的性能
• 分析了联合训练一个多阶段、中间重复监督的架构的效果

2 - 整体思路

2.1 - CPM（Convolutional Pose Machines）

　　Convolutional Pose Machines（CPM）算法思想来自于Pose Machine，其网络结果如下图：

　　图中(a)和(b)是pose machine中的结构，(c)和(d)是其对应的卷积网络结构，(e)展示了图片在网络中传输的不同阶段的感受野。

• Stage 1：对输入图片做处理，其中$X$代表经典的VGG结构，并且最后采用$1 \times 1$卷积输出belief map，如果人体有$k$个关键带来，则$belief map$的通道数为$k$
• Stage T：对于Stage 2以后的Stage，其结构都统称为Stage T，其输入为上一个Stage的输出以及对原始图片的特征提取的联合，输出于Stage 1一致

2.2 - 损失函数

　　损失函数公式如下：

$$f_t=\sum_{p=1}^{P+1}\sum_{z\in Z}\begin{Vmatrix}b_t^p(z)-b_*^p(z)\end{Vmatrix}^2_2$$

3 - 实验

3.1 - intermediate supervision

　　如果直接对整个网络进行梯度下降，输出层的误差经过多层反向传播会大幅减小，而发生梯度消失现象。

　　　　

　　本文为了解决这个问题，提出了中间监督方法，从而保证底层参数的正常更新。

　　　　

　　效果如下图，可以看到，加入中间监督之后，在靠近输入的stage，其梯度比没有中间监督大很多，从而保证学习的效果。

3.2 - 感受野

　　CPM采用大卷积核获得大感受野，对于被遮挡的关键点检测很有效果。并且本文通过实验表明了随着感受野的增大，预测的准确率上升，如下图：

　　　　

　　文中提出增大感受野有如下几种方式：

• 增大pool，但会损失较多信息从而减小了精度
• 增大卷积核，同时会增加参数量
• 增加卷积层，层数过多容易产生梯度消失等问题

4 - 参考资料

https://arxiv.org/abs/1602.00134

https://blog.csdn.net/cherry_yu08/article/details/80846146

https://blog.csdn.net/shenxiaolu1984/article/details/51094959

https://www.cnblogs.com/JillBlogs/p/9098989.html