Look into Person: Joint Body Parsing & Pose Estimation Network and A New Benchmark阅读笔记
这篇论文主要是两个贡献：LIP数据集与JPPNet网络。
LIP数据集是迄今为止（2018年5、6月）最大的像素级别的人体区域解析和姿态估计的数据集，不仅有关节点的位置与连接（图左），而且有人体区域的语义分割图（图右）。
LIP总计5W张图像与groundtruth，其中3W用于训练，1W用于测试，剩余1W不公开，用作评估Parsing和Pose Estimation效果好坏的基准。Parsing的标签共19个（包括背景则20），人体关节点16个。其图像包含遮挡、背部、复杂背景等等干扰因素，其情况比ATR数据集[只有正面的街景模特]更通用。
JPPNet一个网络联合了Parsing和Pose Estimation两个任务，利用两个任务的相关性，使得他们相互促进。