關節的熱力圖(Heatmap)
每一個關節點,生成一張熱力圖heatmap, 熱力圖的響應值作爲關節位置的概率或似然. 熱力圖中數值越大的位置,響應值越大,表示越有可能是關節的位置.
那麼構造heatmap實際上是構造了一箇中間狀態，這個heatmap有如下的一些優點：
**1-**可以讓網絡全卷積，因爲輸出就是2維圖像，不需要全連接。
**2-**關節點之間（頭和胸口，脖子和左右肩膀）是有很強的相關關係的。然而單獨的對每一類關節點回歸座標值並不能捕捉利用這些相關關係，相反當迴歸heatmap時，一張輸入圖像對應的heatmap就存在這種相關關係，那就可以用來指導網絡進行學習。簡言之，頭關節的迴歸可以幫助胸口關節，脖子關節的迴歸也可以幫助左右肩膀，反之亦然。
**3-**heatmap同樣捕捉了前景（關節點）與背景的對比關係，同樣可以用來指導網絡進行學習。這樣，通過這條途徑獲得一個比較好的predictedHeatmap（易於學習，效果很好），再通過其他方法獲得最終的關節點位置座標，就是目前single person pose estimation的基本pipeline。