【Simple Baselines】《Simple Baselines for Human Pose Estimation and Tracking》

ECCV-2018

1 Background and Motivation

在 《Joint Training of a Convolutional Network and a Graphical Model for Human Pose Estimation》和 Deeppose 的引领下，人体姿态评估进入了 DCNN 时代，几年的发展，基于 DCNN 的人体姿态评估方法已经在 MPII 和 COCO 数据集上实现了精度上的飞跃，随着人体姿势评估的快速成熟，“simultaneous pose detection and tracking in the wild” 任务成为了人们攻克的新目标

然而，architecture and experiment practice have steadily become more complex，精度却一直比较暧昧，this makes the algorithm analysis and comparison more difficult（不知道哪个方向，哪个细节更影响精度）

于是作者大繁若简，搞了一个 Simple Baseline，除去繁华，追求最存粹的真善美（简单实用）

在 challenging benchmark 上实现了 SOTA，比 the winner of ICCV’17 PoseTrack Challenge 和 the winner of COCO 2017 keypoint Challenge 精度都高！

2 Advantages / Contributions

用简单的 resnet 配合 de-convolution，实现了 human pose estimation and tracking 的 SOTA

We hope such baselines would benefit the field by easing the idea development and evaluation.

3 Method

3.1 Pose Estimation Using A Deconvolution Head Network

三种结构的共同点是 th