Paperreading之三Simple Baselines for Human Pose Estimation

  本次paper是coco2018关键点检测项目的亚军方案，方法非常的简洁明了，但是效果很惊艳，达到了state of the art，paper的标题也是写了simple baseline。整篇paper包含一个sota的姿态估计和姿态跟踪，本篇博客只涉及到paper里面的姿态估计部分。

1. 前言

人体姿态估计是MSCOCO数据集(http://cocodataset.org/)上面的一项比赛，人体关键点检测，目前主流的做法都是深度学习来做。本文的出发点：

作者认为目前的姿态估计方法都太过于复杂，并且有显著的差异，比如hourglass，open pose，cpn等等，比较这些工作的差异性，更多体现在系统层面而不是信息层面。

作者在本文提出了一个既精确（sota水平），又简单（网络结构非常简单，见下文）的姿态估计方法，作为一个baseline，希望能激发一些新的ideas和简化评估方式。  

2. 网络结构部分

网络结构一句话就可以表达清楚，就是一个普通的backbone（用resnet50就