实录|旷视研究院详解COCO2017人体姿态估计冠军论文（PPT 视频）

主讲人：王志成 | 旷视研究院研究员 屈鑫 整理编辑 量子位 出品 | 公众号 QbitAI
12月13日晚，量子位·吃瓜社联合Face 论文解读系列第二期开讲，本期中旷视（Megvii）研究院解读了近期发表的人体姿态估计论文： Cascaded Pyramid Network for Multi-Person Pose Estimation 。
基于这篇论文所提出的算法，Megvii(Face )队在COCO2017人体姿态估计竞赛上获得了历史最好成绩，相对 2016年人体姿态估计的最好成绩提高了19%。
本期主讲人为旷视研究院研究员王志成，同时也是COCO 2017 Detection竞赛队owner、论文共同一作，在比赛中主要负责整体方案的确定，模型设计、训练调优的工作。
量子位应读者要求，将精彩内容整理如下：
48:20
△ 直播回放视频
本期主要讲的是 人体姿态估计算法 ，主要内容如下：
1 Top-down Pipeline
2 Network Design
A. Motivation: How human locate keypoints?
B. Our Network Architecture
3 Techniques & Experiments
4 Conclusion
下一期将会由黎泽明为大家讲解Light-Head R-CNN，欢迎12月20日晚19:30来观看直播。
Top-down Pipeline

现在我们做Pose Estimation主要有两种Pipeline，这次比赛使用的是 Top-down Pipeline： 先用detector检测出图象中的人，再把每一个人的图像抠图，抠出来的单人的图过single person Pose Estimation Network（即单人姿态估计网络），最后把所有的单人估计出来的姿态，整合到原图中，得到最终结果。