在姿態估計演算法中，微軟開發的 SimpleBaseline 是精度高而又輕量級的典範，昨天一篇論文Simple and Lightweight Human Pose Estimation，在該架構基礎上做了少許改進，取得了更快的速度和更小的模型Size。
論文作者資訊：
作者均來自南京大學。
該文發明的輕量級姿態估計網路LPN架構：
與SimpleBaseline類似，LPN由一個主幹網路和幾個上取樣層組成，不同的是，作者重新設計了網路中在下采樣階段的基礎元件即輕量級Bottleneck模組，並同時在上取樣階段也選擇了輕量級的形式。
改進的Bottleneck模組
如下圖：
（a）為標準Bottleneck模組，（b）為改進的Bottleneck模組，將標準卷積替換為深度可分離卷積，同時expansion 引數從4設為1，同時為了使網路能夠更好的建模全域性上下文資訊，作者又進一步在Bottleneck中新增了GC block（global context block），如（c），（d）為GC block結構示意圖。
另外，作者發明了一種迭代式的訓練方法，在不使用ImageNet資料集上預訓練的分類網路時，可以有效改進最終精度。
在訓練過程中，每一階段選擇不同的學習率，如下圖：
另外，作者提出了一種在推斷階段對heatmap進行Soft-Argmax以獲得更精確位置資訊的方法B-Soft-Argmax。
實驗結果
作者在COCO姿態估計資料集上進行了實驗。
在COCO驗證集上的結果：
在COCO test-dev集上的結果：
可見該文提出的方法，精度與SimpleBaseline相當，相比於SOTA 方法HRNet精度要低一些，但在引數量與FLOPs上僅為後者的1/30左右。
下圖為LPN與SOTA方法精度與FPS的比較：
結果是在 Intel i7-8700K CPU上執行得出的，可見該文提出的 LPN 處於一騎絕塵的位置，LPN-50 可以達到 33 FPS，大約是SimpleBaseline152和HRNet-W32的推理速度的3倍。而大型網路LPN-152 AP可以達到 71 ，仍有 23 FPS。
總之，該文提出了一種輕量級、高效的姿態估計網路架構，更具有實用價值。
目前還未發現該文有開原始碼。
論文地址：
https://arxiv.org/pdf/1911.10346v1.pdf