论文:《Rethinking on Multi-Stage Networks for Human Pose Estimation》

1.概述

多阶段网络更加适合姿态估计任务，因为该结构可以使得低分辨率的特征和高分辨率的特征重复交叠，兼顾了位置信息和特征抽象信息。

2.MSPN框架结构

改进1：优化单个stage结构

• 在现有的多stage网络中，每个stage在进行特征降采样和升采样时，其通道是保持不变的，而不是像Resnet一样随着特征图的减小会相应的增加通道。这种现象就会导致特征丢失。本文每个stage就是一个CPN的globalNet。

改进2：相邻stage特征聚合

• 每个stage都会对特征图进行降采样和升采样，多个stage就会反复的进行降采样和升采样，这种反复的操作使得特征信息丢失明显，最终导致网络优化困难。作者将相邻阶段的特征进行聚合，以增强特征信息传播能力并降低训练难度。具体的特征聚合方法为：上个阶段中相同size的降采样特征经过11卷积编码后的特征，上个阶段中相同size的升采样特征经过11卷积编码后的特征，以及当前stage的降采样特征。

改进3：多stage由粗到细监督

• 多stage网络的特点是，每个stage的输出都能作为最终的关键点检测结果。而且随着stage的增多，关键点定位会越来越准。为了使得在前端的stage能够获得更好的知道，作者提出了由粗到细的多分支监督的方式来优化多stage的能力。对于每个stage的特点，采用不同kernel-size的高斯核制作标签，越靠近输入的stage kernel-size越大。

3.参考

https://www.cnblogs.com/easy-hard/p/12153436.html
https://www.lizenghai.com/archives/48418.html
https://zhuanlan.zhihu.com/p/69491267