Realtime Multi-Person Pose Estimation

0.192

问题一 ： head 和neck两个point在COCO dataset中是不存在的。通过设置关键点之间的推理关系，设定这两个点。

问题二 ： 12个四肢point虽然看上去检测正确，但OKS很低，说明COCO与CHALLENGE AI的标注有差异，必须重新训练模型。

SSD并非影响关键，关键是keypoint模型的准确率低。

Baseline model： SSD + DeepLab 2017

(Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs)

0.196

问题 ： 训练500k steps, loss 下降至0.9, 是否已经收敛？ 从loss下降过程看，还在收敛中。

添加random mirror/random scale, 修改input size，以checkpoint继续训练。

0.266

问题 ： loss降低至0.09附近，是否还有下降空间？ 继续训练200k steps未能继续大幅收敛。

问题 ： 测试集中包含很多rotate sample，尝试0 90 180 270 四个vote决策结果

0.168

rotate+vote不适合dense feature决策过程

问题 ： train与test的预处理过程有不同，一个是random sample， 一个是直接处理，既然加入了random mirror/mirror scale/pad，应当如何处理test的预处理过程？

修改image_reader, 严格映射feature map来得到每个point的hot map。

0.33

改换200k steps训练后的结果

0.347

问题 ： 当前只有一个head，就是class，借鉴G_RMI添加offset的head，在checkpoint上fine tune。