人体姿态估计

二维人体姿态估计：

一般分为单人和多人，单人姿态估计两种方法，一种为直接回归，另一种为热图预测。

直接回归是通过全连接层直接回归出关键点的位置，这个方法缺乏泛化性，泛化性是指获取其他的空间位置的能力。卷积的权重是共享的，但是全连接层是进行拉平处理的，所以如果识别的物体一直在左上角，则拉直后上面的权重更高，物体在右下角时就不容易被识别，会过拟合。但是直接回归的前向传播快。

热图是主流方法，输入一个人的图片，输出关键点的热图，如果每个人要回归17个关键点，那么预测输出特征图是(batch,h_o,w_o,17)，即每个通道都是预测一个关节点的热图，然后对每个通道进行argmax即可得到整数型坐标。精度高是因为输出的特征图大。

多人姿态估计：自下而上，自上而下

三维人体姿态估计：

从二维图片暴力回归得到三维坐标

先得到2D信息，再提升到3D

           联合2D，3D共同训练（2D信息通常以heatmap来表示）
          Towards 3D Human Pose Estimation in the Wild (ICCV 2017)
          3D Hand Shape and Pose Estimation from a Single RGB Image (CVPR 2019)
          直接用预训练好的2D姿态网络，将得到的2D坐标输入到3D姿态估计网络中（得益于2D姿态估计较为成熟）
          Simple Yet Effective Baseline (ICCV 2017)
          3D human pose estimation in video with temporal convolutions (CVPR 2019)

评估指标：

MPJPE：关节点坐标误差的平均值

• 网络输出的关节点坐标与ground truth的平均欧式距离（通常转换到相机坐标）

PCK：正确关键点的百分比 

• 如果预测关节与ground truth之间的距离在特定阈值内，则检测到的关节被认为是正确的
• 可用于2D和3D

 PCP：正确部件的百分比

越大模型越好

PDJ：检出关节的百分比