RTMPose

1. 人体姿态估计简介

• 多人姿态估计框架包括5个方面：
  • paradigm：范式
    • top-down：
      • 用于人数不多于6人的场景
      • 使用现成的检测器提供边界框，然后将人体裁剪为统一的尺度进行姿势估计
      • 人体检测器和位姿估计器可输入较小的分辨率
    • bottom-up：
      • 自下而上的范式被认为适合人群场景，因为随着人数的增加，计算成本保持稳定；
      • 通常需要较大的输入分辨率来处理不同的人的尺度，这使得协调准确性和推理速度变得具有挑战性
  • backbone network：骨干网络
  • localization method：定位算法
    • 坐标回归（coordinate regression）
    • 热图回归（heatmap regression）
    • 坐标分类（coordinate classification）
      • 子像素箱分类（将关键点预测看作为分别针对水平和垂直坐标的子像素箱的分类）
      • 代表算法：SimCC
      • 摆脱了对高分辨率热图的依赖，因此可以实现非常紧凑的架构，既不需要高分辨率中间表示，也不需要昂贵的上采样层
      • 展平最终的特征图进行分类，不需要全局池化，从而避免了空间信息的丢失
      • 通过亚像素尺度的坐标分类可以有效缓解量化误差，无需额外的优化后处理
  • training strategy：训练策略
  • deployme