摘要

我们提出了一种多人检测和二维姿态估计的方法，在具有挑战性的COCO关键点任务中取得了最先进的结果。该方法简单而强大，采用自上而下的两阶段策略。在第一阶段，我们预测可能包含人的边界框的位置和尺度；为此，我们使用了Faster R-CNN检测器。在第二阶段，我们估计每个提议边界框内潜在人物的关键点。对于每种关键点类型，我们使用全卷积ResNet预测密集热图和偏移量。为了结合这些输出，我们引入了一种新颖的聚合程序以获得高度局部化的关键点预测。此外，我们采用了基于关键点的非极大值抑制（Non-Maximum Suppression, NMS）的新形式，而不是粗略的基于边界框的NMS，并且使用了一种基于关键点的置信度评分估计的新方法，而不是基于边界框的评分。仅在COCO数据集上训练，我们的最终系统在COCO测试开发集上的平均精度达到了0.649，在测试标准集上的平均精度为0.643，超过了2016年COCO关键点挑战赛的获胜者和其他最近的最先进方法。进一步地，通过使用额外的内部标注数据，我们在测试开发集上获得了更高的平均精度0.685，在测试标准集上为0.673，相比同一数据集上前一个最佳方法提高了超过5%的绝对精度。