一、这是Alphapose的最新工作
特点，针对的是 “ crowd”场景下的多人姿态估计。
相对于以往的一些多人姿态估计工作而言，基本上都是不合适应用在“Crowd”场景之下的，比如Mask-RCNN训练的时候，会直接去除数据中的“Crowd”数据（MSCOCO）有这个标签，MPII没有这个标签。
这是目前几个主流的开源的姿态估计框架的，对于“crowd”场景的检测能力对比图，可以发现对着“crowd”的增加，这三个框架都下降的非常厉害，影响最大的是OpenPose最大下降了0.3左右。
二、提出了一个“Crowd”数据集
数据集配套可视化工具：https://blog.csdn.net/github_36923418/article/details/88540865
想做“CrowdPose”那必须要有，这样的数据集，光靠着之前的MPII、MSCOCO、AIChallenger2017的哪些数据集是远远达不到这个工作的标准的。对比下这些数据集，我们也就不难理解为什么要重新提出一个数据集了。
这张图来自于论文中，对于这几个数据集的比较，可以发现，MPII、MSCOCO、AIChallenger这三个数据集基本上都是针对于“非crowd”场景的。
三、本文方法
上图是这篇文章方法的阀体框架：
1、进行human detection
2、根据proposal box利用SPPE去计算 候选节点（Joint candidate），不过这一次所使用的Loss针对这次任务，和以前的AlphaPose中的“再SPPE”阶段所使用的Loss有所不同，之前的Loss方案没有办法应用于”Crowd“场景。这里作者归结原因“因为感受野受限于proposal”，因此之前的Loss也只能去计算这个框里面的（AlphaPose是人体检测器和SPPE分开的两个模型，单独训练的，SPPE虽然是联合训练的，但是是通过检测器的结果来训练的）而且以前的loss只计算这个框里“目标人物”的loss。
因此这一部分需要一个具有“全局观念的”Loss，不能够局限于proposal的感受野限制。
思考：一定会有人奇怪为什么不直接上手一个针对全图的全局关键点检测，然后再去进行“Global Association”，这样的话其实和AE那篇文章差别就不大了。但是作者这样设计有一定的好处，SPPE是非常依赖于human detection的结果的，而且如果说“SPPE某一个region检测关键点的时候，右手没有检测出来，这种情况在以前的AlphaPose中是无法恢复的，但是在本文中是可以恢复的”，如果这个在region1中SPPE没有检测出来的手，在region2中出现了，那么只要region2的SPPE能检测出来，通过后续步骤我们依然可以得到完整的姿态。但是“直接全图全局关键点检测，就像之前的region1发生漏检~~~无法恢复”，这个概念和Hadoop的分布式存储概念有点像，某个地方发生了丢失，可以通过别的地方进行回复。
Loss Design：
对于每一个proposal出来的region，里面有两个类型的loss，分别针对“目标人物”与“region内的其他人的关节点”。从这里可以看出作者设计的是一个针对“region”的全局关键点检测器，不会针对某个target去回归！
Heatmap Loss：
这个Loss依然是经典的“2范数loss”-欧式距离loss。其中T这一类表示的是属于目标任务，C这一类属于其他人物的关键点。
是属于0~1的一个系数，作者设定为0.5。P是预测出来的某关键点的heatmap。
在拥挤的场景下，单个SPPE没有办法对某些关键点给出很高的响应图，但是如果某个部位能够出现在多个SPPE的region中的话（这种情况在“crowd”场景下很正常），那么本文的方法依然能够对这些关键点，产生比较可靠的响应图。
3、Person-Joint Graph
这张图片展示的是原本AlphaPose的一个错误，主要想要说明的就是，如果直接通过region中的heatmap取max得到位置，直接连起来，就会产生上图的错误！
Joint Node Building：
比较高的overlap的proposal通常会产生相似的真实joint。根据下面的公式，会把两个挨的很近的joint先看成一个Node。u表示的是heatmap的响应size，另外一个是控制因子。
我们得到了这个集合，N是所有的Node节点集合，v代表了某个Node节点属于第K个关键点，那么joint nodes节点总数为
Person Node Building：
这个依赖于human detectron，
，M是proposal出来的human 总数。但是在“crowd”场景下，proposal出来的很多box是redundant proposals，需要在后面进行消除。
Person-Joint Edge：
这个person-joint edge就是需要把person-node和joint node 连起来。如果某个
包含了某个person-node
的”候选关节“，那么通过
把这两个Node连起来。
的权重就是”候选关节“的响应记为
。那么得到了
最后的Person-Joint Graph就是
Globally Optimizing Association：
上图所示的是目标函数，最大化每个人的edge之和。
代表了某一条边是否存在于我们最终的graph中。从公式8到公式10，我们可以发现解决”Person-Joint Graph“的问题被分成了解决（Gk各自问题），然后利用”图论中的匈牙利算法“取更新优化每一个子图，这里主要涉及到2布图优化的知识，但是文章中没有细说，如何利用匈牙利算法优化。
之前说到的”redundant proposals“也会因为没有合适的匹配，而被淘汰删除。
四、实验结果
五、再续说下数据集CrowdDataset
1、对于crowd需要进行分级
n代表了这张图中人的总数，Nb代表了某一个boundingbox中肺部表人物的关键点数量，Na代表了这个boundingbox中目标任务的关键点数量。
2、图像数据收集
对AI Challenger MSCOCO MPII这三个数据集进行分析，收集其中的一些正常图像（作为遮挡不严重的例子），收集了大约3万张，从crowd index 以步长0.05 从0~1
3、采用14个关键点标注，类似于AIChallenger，对30000张图像进行重新标注（关键点+box）；完成标注后重新分析crowd index，选取了20000张高质量标注图像。We further crop each person in the images, and then annotate the interference keypoints in each bounding box.这句话没看明白啥意思！！！；每张图像有两个标注人分别标，取均值，如果两个人标注结果差异很大，就会重新标注这张图象。
4、数据集中总共包含20000张图像，80000个人，训练集、验证集、测试集比例为5：1：4
5、数据集的boundingbox的mIoU为0.27，然而MSCOCO、MPII、AIChallenger分别为0.06、0.11、0.12
六、其他的一些细节请仔细阅读文章后，比如训练细节，模型对比等
https://arxiv.org/pdf/1812.00324.pdf
https://github.com/MVIG-SJTU/AlphaPose/blob/pytorch/doc/CrowdPose.md