MMPose 中的 SimpleBaseline2DResNet 骨干与反卷积热图头的姿态估计基线全解析【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmposeSimpleBaseline2DECCV 2018是 OpenMMLab 姿态估计工具箱 MMPose 中最具代表性的 top-down 热图基线算法之一。本文以 docs/src/papers/algorithms/simplebaseline2d.md 为骨架结合仓库中的核心实现HeatmapHead、MSRAHeatmapcodec、COCO 训练配置与测试用例系统拆解该算法在 MMPose 中的完整落地方式。读完本文你将掌握SimpleBaseline2D 的简单基线设计哲学、高斯热图编解码原理、td-hm_res50_8xb64-210e_coco-256x192.py逐段配置含义以及如何基于该基线扩展 DarkPose 等精度增强方案。论文定位复杂时代下的简单基线SimpleBaseline2D 论文Simple baselines for human pose estimation and trackingXiao Bin、Wu Haiping、Wei YichenECCV 2018第 466–481 页提出的背景是姿态估计与姿态追踪领域在快速发展的同时整体算法与系统复杂度也在不断上升这使得算法分析与横向对比变得愈发困难。论文的目标是提供一组简单且有效的基线方法用于启发新想法、统一评估口径。其原始摘要见关联文档明确指出这些基线方法在多个具有挑战性的公开基准上取得了当时领先的结果。在 MMPose 的模型库索引中该论文被登记为算法条目SimpleBaseline2D (ECCV2018)并在 README.md 中标注为已支持算法。仓库采用以下 BibTeX 记录其出处保留自关联文档inproceedings{xiao2018simple, title{Simple baselines for human pose estimation and tracking}, author{Xiao, Bin and Wu, Haiping and Wei, Yichen}, booktitle{Proceedings of the European conference on computer vision (ECCV)}, pages{466--481}, year{2018} }简单的落点在于不需要 Hourglass 式的反复上下采样、不需要沙漏堆叠或复杂多阶段精修仅靠一个 ImageNet 预训练的 ResNet 骨干 一组反卷积deconv上采样层就能逼近当时的最先进水平。这种极简结构使它天然成为后续工作如 DarkPose、UDP 及各类新骨干的对比基准也使其在 MMPose 中承担着 everything can be plugged in 的测试平台角色。架构解析ResNet 骨干 三层反卷积头整体数据流SimpleBaseline2D 采用 top-down 范式先用检测器框出人体实例再将裁剪后的人体图像输入网络预测关键点热图。其网络结构在 MMPose 中由TopdownPoseEstimatormmpose/models/pose_estimators/topdown.py组装核心链路为输入图像 (256x192) → ResNet 骨干stride32 的 C5 特征图如 2048 通道 → HeatmapHead 3× 反卷积256 通道4x4stride 2BN ReLU→ 特征图 64x48 → 1×1 卷积 → 17 通道关键点热图64x48 → MSRAHeatmap codec 解码 → 关键点坐标 置信度反卷积头HeatmapHead对应论文中反卷积头的实现是 mmpose/models/heads/heatmap_heads/heatmap_head.py 中的HeatmapHead类。其 docstring 明确写道Top-down heatmap head introduced in Simple Baselines by Xiao et al (2018). The head is composed of a few deconvolutional layers followed by a convolutional layer to generate heatmaps from low-resolution feature maps.关键超参数及其默认值见 heatmap_head.py参数默认值含义in_channels必填骨干输出的特征通道数ResNet-50 为 2048out_channels必填输出热图通道数等于关键点数量COCO 为 17deconv_out_channels(256, 256, 256)每个反卷积层的输出通道数deconv_kernel_sizes(4, 4, 4)每个反卷积层的卷积核大小conv_out_channels/conv_kernel_sizesNone反卷积与最终卷积之间的中间卷积层None表示省略final_layerdict(kernel_size1)最终输出层的配置1x1 卷积lossKeypointMSELoss(use_target_weightTrue)训练损失decoderNone解码 codec 配置_make_deconv_layersheatmap_head.py揭示了反卷积层的构造细节每层使用stride2的转置卷积内核为 4 时padding1, output_padding0内核为 3 时padding1, output_padding1内核为 2 时padding0, output_padding0每个反卷积后紧跟 BatchNorm 与 ReLU。默认 4x4 反卷积将 1/32 分辨率的特征图逐级放大 2 倍三层后整体上采样 8 倍最终得到约 1/4 输入分辨率的 64x48 热图对应 256x192 输入。forward方法heatmap_head.py实现了feats[-1]→ deconv → conv → final 的完整前向而default_init_cfg规定了对Conv2d/ConvTranspose2d使用std0.001的 Normal 初始化、对 BatchNorm 使用 1 的 Constant 初始化。训练目标MSRAHeatmap 高斯热图编解码SimpleBaseline2D 的训练目标是将关键点坐标编码为高斯热图对应的 codec 是 mmpose/codecs/msra_heatmap.py 中的MSRAHeatmap。该类在 docstring 中同样引用了本论文Represent keypoints as heatmaps via MSRA approach. See the paper Simple Baselines for Human Pose Estimation and Tracking by Xiao et al (2018)。encode阶段msra_heatmap.py的要点只支持单实例编码keypoints.shape[0] 1符合 top-down 裁剪后单人的前提将关键点坐标按scale_factor input_size / heatmap_size缩放到热图空间调用generate_gaussian_heatmaps见 mmpose/codecs/utils/gaussian_heatmap.py以sigma为标准差生成高斯峰同时产出keypoint_weights用于损失加权当unbiasedTrue时改用generate_unbiased_gaussian_heatmaps即 DarkPose 的无偏编码。decode阶段msra_heatmap.py则通过get_heatmap_maximum取热图最大值位置得到初始坐标再调用refine_keypoints非 DarkPose或refine_keypoints_darkDarkPose可配blur_kernel_size默认 11对应经验公式sigma 0.3*((ks-1)*0.5-1)0.8做亚像素精修最后乘以scale_factor还原到输入图像空间。配置全解析td-hm_res50_8xb64-210e_coco-256x192.py模型库中该算法在 COCO 上的标准配置为 configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py逐段含义如下。训练计划与优化器_Base_ [../../../_base_/default_runtime.py] train_cfg dict(max_epochs210, val_interval10) optim_wrapper dict(optimizerdict(typeAdam, lr5e-4)) param_scheduler [ dict(typeLinearLR, begin0, end500, start_factor0.001, by_epochFalse), # warm-up dict(typeMultiStepLR, begin0, end210, milestones[170, 200], gamma0.1, by_epochTrue) ] auto_scale_lr dict(base_batch_size512) default_hooks dict(checkpointdict(save_bestcoco/AP, rulegreater))训练 210 个 epoch每 10 个 epoch 在验证集上评估一次使用 Adam 优化器初始学习率 5e-4前 500 iter 线性 warm-up起始因子 0.001随后在第 170、200 epoch 处将学习率乘以 0.1MultiStepLRauto_scale_lr以 512 为基准 batch size 自动缩放学习率checkpoint 钩子按coco/AP指标越大越好保存最优权重。codec 与模型codec dict( typeMSRAHeatmap, input_size(192, 256), heatmap_size(48, 64), sigma2) model dict( typeTopdownPoseEstimator, data_preprocessordict( typePoseDataPreprocessor, mean[123.675, 116.28, 103.53], std[58.395, 57.12, 57.375], bgr_to_rgbTrue), backbonedict( typeResNet, depth50, init_cfgdict(typePretrained, checkpointtorchvision://resnet50)), headdict( typeHeatmapHead, in_channels2048, out_channels17, lossdict(typeKeypointMSELoss, use_target_weightTrue), decodercodec), test_cfgdict(flip_testTrue, flip_modeheatmap, shift_heatmapTrue))MSRAHeatmap编码器输入 192x256、热图 48x64、高斯sigma2骨干为 ImageNet 预训练的 ResNet-50HeatmapHead输入 2048 通道、输出 17 通道COCO 人体 17 关键点损失为带目标权重的KeypointMSELosstest_cfg开启翻转测试flip testTTA推理时将原图与水平翻转图分别前向融合两者热图。该逻辑在 heatmap_head.py 的predict中实现——利用flip_heatmapsmmpose/models/utils/tta.py按flip_indices对齐关键点索引并对翻转热图做平移补偿最后取平均。数据流水线train_pipeline [ dict(typeLoadImage), dict(typeGetBBoxCenterScale), dict(typeRandomFlip, directionhorizontal), dict(typeRandomHalfBody), dict(typeRandomBBoxTransform), dict(typeTopdownAffine, input_sizecodec[input_size]), dict(typeGenerateTarget, encodercodec), dict(typePackPoseInputs) ] val_pipeline [ dict(typeLoadImage), dict(typeGetBBoxCenterScale), dict(typeTopdownAffine, input_sizecodec[input_size]), dict(typePackPoseInputs) ]训练时依次执行随机水平翻转、随机半身RandomHalfBody当可见关键点多集中于半身时按概率只用半身训练、随机边界框扰动、仿射变换到 192x256、由MSRAHeatmap编码器生成高斯热图目标。验证/测试流水线不包含任何随机增强。数据加载与评估train_dataloaderbatch_size 64、2 workersCOCOperson_keypoints_train2017.jsonval_dataloaderbatch_size 32使用检测器预生成的COCO_val2017_detections_AP_H_56_person.json边界框test_modeTrue即用外部检测框而非模型自身评估器为CocoMetric读取person_keypoints_val2017.json计算 AP/AR 系列指标。COCO 数据集基础配置见base/datasets/coco.py。训练与测试实操在完成数据集准备结构为data/coco/含train2017/、val2017/与person_keypoints_train2017.json等标注后可参考 docs/en/user_guides/train_and_test.md 执行# 单卡训练 python tools/train.py configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py # 8 卡分布式训练bash tools/dist_train.sh config gpu_num bash tools/dist_train.sh configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py 8 # 测试评估 python tools/test.py configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py checkpoint路径训练日志与权重由default_hooks管理最优模型依据验证集 COCO AP 自动保存。模型库基准结果configs/body_2d_keypoint/topdown_heatmap/coco/resnet_coco.md 收录了 SimpleBaseline2D 各规格在 COCO val2017 上的指标评测使用在 COCO val2017 上人体 AP 为 56.4 的检测器架构输入尺寸APAP⁵⁰AP⁷⁵ARAR⁵⁰pose_resnet_50256x1920.7180.8980.7960.7740.934pose_resnet_50384x2880.7310.9000.7990.7820.937pose_resnet_101256x1920.7280.9040.8090.7830.942pose_resnet_101384x2880.7490.9060.8170.7990.941pose_resnet_152256x1920.7360.9040.8180.7910.942pose_resnet_152384x2880.7500.9080.8210.8000.942其中 384x288 输入对应 td-hm_res101_8xb32-210e_coco-384x288.py 等更高分辨率配置。同一目录下的 resnet_coco.yml 以结构化元数据记录这些条目其README字段即指向本文对应的论文页 docs/src/papers/algorithms/simplebaseline2d.md形成论文页 → 模型页 → 配置文件的完整引用链。此外仓库还提供带可见性预测头的变体 td-hm-vis_res50_8xb64-210e_coco-aic-256x192-merge.py使用 COCOAIC 联合训练256x192 输入下 AP 0.729用于跟踪场景中对关键点可见性的估计。精度增强变体DarkPose 与 Wo-DeconvDarkPose 无偏编解码td-hm_res50_dark-8xb64-210e_coco-256x192.py 在相同结构上将 codec 改为codec dict( typeMSRAHeatmap, input_size(192, 256), heatmap_size(48, 64), sigma2, unbiasedTrue)unbiasedTrue使编码端采用无偏高斯热图、解码端采用 DarkPose 的亚像素精修在不动网络结构的前提下显著提升精度。这是基线算法 后处理/编解码增强可独立叠加的典型范例。移除反卷积的变体由于反卷积层是 SimpleBaseline2D 特有的上采样部件仓库中还存在刻意去掉该部件的对比配置用于验证上采样方式的影响例如 SIMCC 流水线的 simcc_mobilenetv2_wo-deconv-8xb64-210e_coco-256x192.py 与 ViTPose 的td-hm_ViTPose-base-simple_*系列。在HeatmapHead中当deconv_out_channels为空时反卷积层被替换为nn.Identity()heatmap_head.py体现代码对两种路线的统一支持。测试用例验证仓库通过 tests/test_codecs/test_msra_heatmap.py 对MSRAHeatmap的编解码行为做了完整验证覆盖encode、decode、闭环验证encode → decode 坐标还原与异常参数检查如input_size(192, 256), heatmap_size(48, 64), sigma2.0的标准实例化可据此确认上述配置的合法性与编解码一致性。反卷积头的构造与预测行为则由 tests/test_models/test_heads/test_heatmap_head.py 等用例保障。小结SimpleBaseline2D 在 MMPose 中的价值远超一篇论文的复现它以最简结构——ResNet 预训练骨干 三层反卷积 高斯热图 MSE 回归——构成了 top-down 热图流派的可复现基准。理解其MSRAHeatmapcodec 与HeatmapHead的设计后你可以自如地在同一框架内替换骨干ResNet-50/101/152、SEResNet、ResNeSt 等见 configs/body_2d_keypoint/topdown_heatmap/coco 下的同类配置、叠加 DarkPose 无偏编解码、调整反卷积结构或切换输入分辨率从而快速验证新的研究想法——这正是论文标题中simple baselines对领域研究与工程实践的持续贡献。【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmpose创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MMPose 中的 SimpleBaseline2D：ResNet 骨干与反卷积热图头的姿态估计基线全解析
MMPose 中的 SimpleBaseline2DResNet 骨干与反卷积热图头的姿态估计基线全解析【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmposeSimpleBaseline2DECCV 2018是 OpenMMLab 姿态估计工具箱 MMPose 中最具代表性的 top-down 热图基线算法之一。本文以 docs/src/papers/algorithms/simplebaseline2d.md 为骨架结合仓库中的核心实现HeatmapHead、MSRAHeatmapcodec、COCO 训练配置与测试用例系统拆解该算法在 MMPose 中的完整落地方式。读完本文你将掌握SimpleBaseline2D 的简单基线设计哲学、高斯热图编解码原理、td-hm_res50_8xb64-210e_coco-256x192.py逐段配置含义以及如何基于该基线扩展 DarkPose 等精度增强方案。论文定位复杂时代下的简单基线SimpleBaseline2D 论文Simple baselines for human pose estimation and trackingXiao Bin、Wu Haiping、Wei YichenECCV 2018第 466–481 页提出的背景是姿态估计与姿态追踪领域在快速发展的同时整体算法与系统复杂度也在不断上升这使得算法分析与横向对比变得愈发困难。论文的目标是提供一组简单且有效的基线方法用于启发新想法、统一评估口径。其原始摘要见关联文档明确指出这些基线方法在多个具有挑战性的公开基准上取得了当时领先的结果。在 MMPose 的模型库索引中该论文被登记为算法条目SimpleBaseline2D (ECCV2018)并在 README.md 中标注为已支持算法。仓库采用以下 BibTeX 记录其出处保留自关联文档inproceedings{xiao2018simple, title{Simple baselines for human pose estimation and tracking}, author{Xiao, Bin and Wu, Haiping and Wei, Yichen}, booktitle{Proceedings of the European conference on computer vision (ECCV)}, pages{466--481}, year{2018} }简单的落点在于不需要 Hourglass 式的反复上下采样、不需要沙漏堆叠或复杂多阶段精修仅靠一个 ImageNet 预训练的 ResNet 骨干 一组反卷积deconv上采样层就能逼近当时的最先进水平。这种极简结构使它天然成为后续工作如 DarkPose、UDP 及各类新骨干的对比基准也使其在 MMPose 中承担着 everything can be plugged in 的测试平台角色。架构解析ResNet 骨干 三层反卷积头整体数据流SimpleBaseline2D 采用 top-down 范式先用检测器框出人体实例再将裁剪后的人体图像输入网络预测关键点热图。其网络结构在 MMPose 中由TopdownPoseEstimatormmpose/models/pose_estimators/topdown.py组装核心链路为输入图像 (256x192) → ResNet 骨干stride32 的 C5 特征图如 2048 通道 → HeatmapHead 3× 反卷积256 通道4x4stride 2BN ReLU→ 特征图 64x48 → 1×1 卷积 → 17 通道关键点热图64x48 → MSRAHeatmap codec 解码 → 关键点坐标 置信度反卷积头HeatmapHead对应论文中反卷积头的实现是 mmpose/models/heads/heatmap_heads/heatmap_head.py 中的HeatmapHead类。其 docstring 明确写道Top-down heatmap head introduced in Simple Baselines by Xiao et al (2018). The head is composed of a few deconvolutional layers followed by a convolutional layer to generate heatmaps from low-resolution feature maps.关键超参数及其默认值见 heatmap_head.py参数默认值含义in_channels必填骨干输出的特征通道数ResNet-50 为 2048out_channels必填输出热图通道数等于关键点数量COCO 为 17deconv_out_channels(256, 256, 256)每个反卷积层的输出通道数deconv_kernel_sizes(4, 4, 4)每个反卷积层的卷积核大小conv_out_channels/conv_kernel_sizesNone反卷积与最终卷积之间的中间卷积层None表示省略final_layerdict(kernel_size1)最终输出层的配置1x1 卷积lossKeypointMSELoss(use_target_weightTrue)训练损失decoderNone解码 codec 配置_make_deconv_layersheatmap_head.py揭示了反卷积层的构造细节每层使用stride2的转置卷积内核为 4 时padding1, output_padding0内核为 3 时padding1, output_padding1内核为 2 时padding0, output_padding0每个反卷积后紧跟 BatchNorm 与 ReLU。默认 4x4 反卷积将 1/32 分辨率的特征图逐级放大 2 倍三层后整体上采样 8 倍最终得到约 1/4 输入分辨率的 64x48 热图对应 256x192 输入。forward方法heatmap_head.py实现了feats[-1]→ deconv → conv → final 的完整前向而default_init_cfg规定了对Conv2d/ConvTranspose2d使用std0.001的 Normal 初始化、对 BatchNorm 使用 1 的 Constant 初始化。训练目标MSRAHeatmap 高斯热图编解码SimpleBaseline2D 的训练目标是将关键点坐标编码为高斯热图对应的 codec 是 mmpose/codecs/msra_heatmap.py 中的MSRAHeatmap。该类在 docstring 中同样引用了本论文Represent keypoints as heatmaps via MSRA approach. See the paper Simple Baselines for Human Pose Estimation and Tracking by Xiao et al (2018)。encode阶段msra_heatmap.py的要点只支持单实例编码keypoints.shape[0] 1符合 top-down 裁剪后单人的前提将关键点坐标按scale_factor input_size / heatmap_size缩放到热图空间调用generate_gaussian_heatmaps见 mmpose/codecs/utils/gaussian_heatmap.py以sigma为标准差生成高斯峰同时产出keypoint_weights用于损失加权当unbiasedTrue时改用generate_unbiased_gaussian_heatmaps即 DarkPose 的无偏编码。decode阶段msra_heatmap.py则通过get_heatmap_maximum取热图最大值位置得到初始坐标再调用refine_keypoints非 DarkPose或refine_keypoints_darkDarkPose可配blur_kernel_size默认 11对应经验公式sigma 0.3*((ks-1)*0.5-1)0.8做亚像素精修最后乘以scale_factor还原到输入图像空间。配置全解析td-hm_res50_8xb64-210e_coco-256x192.py模型库中该算法在 COCO 上的标准配置为 configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py逐段含义如下。训练计划与优化器_Base_ [../../../_base_/default_runtime.py] train_cfg dict(max_epochs210, val_interval10) optim_wrapper dict(optimizerdict(typeAdam, lr5e-4)) param_scheduler [ dict(typeLinearLR, begin0, end500, start_factor0.001, by_epochFalse), # warm-up dict(typeMultiStepLR, begin0, end210, milestones[170, 200], gamma0.1, by_epochTrue) ] auto_scale_lr dict(base_batch_size512) default_hooks dict(checkpointdict(save_bestcoco/AP, rulegreater))训练 210 个 epoch每 10 个 epoch 在验证集上评估一次使用 Adam 优化器初始学习率 5e-4前 500 iter 线性 warm-up起始因子 0.001随后在第 170、200 epoch 处将学习率乘以 0.1MultiStepLRauto_scale_lr以 512 为基准 batch size 自动缩放学习率checkpoint 钩子按coco/AP指标越大越好保存最优权重。codec 与模型codec dict( typeMSRAHeatmap, input_size(192, 256), heatmap_size(48, 64), sigma2) model dict( typeTopdownPoseEstimator, data_preprocessordict( typePoseDataPreprocessor, mean[123.675, 116.28, 103.53], std[58.395, 57.12, 57.375], bgr_to_rgbTrue), backbonedict( typeResNet, depth50, init_cfgdict(typePretrained, checkpointtorchvision://resnet50)), headdict( typeHeatmapHead, in_channels2048, out_channels17, lossdict(typeKeypointMSELoss, use_target_weightTrue), decodercodec), test_cfgdict(flip_testTrue, flip_modeheatmap, shift_heatmapTrue))MSRAHeatmap编码器输入 192x256、热图 48x64、高斯sigma2骨干为 ImageNet 预训练的 ResNet-50HeatmapHead输入 2048 通道、输出 17 通道COCO 人体 17 关键点损失为带目标权重的KeypointMSELosstest_cfg开启翻转测试flip testTTA推理时将原图与水平翻转图分别前向融合两者热图。该逻辑在 heatmap_head.py 的predict中实现——利用flip_heatmapsmmpose/models/utils/tta.py按flip_indices对齐关键点索引并对翻转热图做平移补偿最后取平均。数据流水线train_pipeline [ dict(typeLoadImage), dict(typeGetBBoxCenterScale), dict(typeRandomFlip, directionhorizontal), dict(typeRandomHalfBody), dict(typeRandomBBoxTransform), dict(typeTopdownAffine, input_sizecodec[input_size]), dict(typeGenerateTarget, encodercodec), dict(typePackPoseInputs) ] val_pipeline [ dict(typeLoadImage), dict(typeGetBBoxCenterScale), dict(typeTopdownAffine, input_sizecodec[input_size]), dict(typePackPoseInputs) ]训练时依次执行随机水平翻转、随机半身RandomHalfBody当可见关键点多集中于半身时按概率只用半身训练、随机边界框扰动、仿射变换到 192x256、由MSRAHeatmap编码器生成高斯热图目标。验证/测试流水线不包含任何随机增强。数据加载与评估train_dataloaderbatch_size 64、2 workersCOCOperson_keypoints_train2017.jsonval_dataloaderbatch_size 32使用检测器预生成的COCO_val2017_detections_AP_H_56_person.json边界框test_modeTrue即用外部检测框而非模型自身评估器为CocoMetric读取person_keypoints_val2017.json计算 AP/AR 系列指标。COCO 数据集基础配置见base/datasets/coco.py。训练与测试实操在完成数据集准备结构为data/coco/含train2017/、val2017/与person_keypoints_train2017.json等标注后可参考 docs/en/user_guides/train_and_test.md 执行# 单卡训练 python tools/train.py configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py # 8 卡分布式训练bash tools/dist_train.sh config gpu_num bash tools/dist_train.sh configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py 8 # 测试评估 python tools/test.py configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_res50_8xb64-210e_coco-256x192.py checkpoint路径训练日志与权重由default_hooks管理最优模型依据验证集 COCO AP 自动保存。模型库基准结果configs/body_2d_keypoint/topdown_heatmap/coco/resnet_coco.md 收录了 SimpleBaseline2D 各规格在 COCO val2017 上的指标评测使用在 COCO val2017 上人体 AP 为 56.4 的检测器架构输入尺寸APAP⁵⁰AP⁷⁵ARAR⁵⁰pose_resnet_50256x1920.7180.8980.7960.7740.934pose_resnet_50384x2880.7310.9000.7990.7820.937pose_resnet_101256x1920.7280.9040.8090.7830.942pose_resnet_101384x2880.7490.9060.8170.7990.941pose_resnet_152256x1920.7360.9040.8180.7910.942pose_resnet_152384x2880.7500.9080.8210.8000.942其中 384x288 输入对应 td-hm_res101_8xb32-210e_coco-384x288.py 等更高分辨率配置。同一目录下的 resnet_coco.yml 以结构化元数据记录这些条目其README字段即指向本文对应的论文页 docs/src/papers/algorithms/simplebaseline2d.md形成论文页 → 模型页 → 配置文件的完整引用链。此外仓库还提供带可见性预测头的变体 td-hm-vis_res50_8xb64-210e_coco-aic-256x192-merge.py使用 COCOAIC 联合训练256x192 输入下 AP 0.729用于跟踪场景中对关键点可见性的估计。精度增强变体DarkPose 与 Wo-DeconvDarkPose 无偏编解码td-hm_res50_dark-8xb64-210e_coco-256x192.py 在相同结构上将 codec 改为codec dict( typeMSRAHeatmap, input_size(192, 256), heatmap_size(48, 64), sigma2, unbiasedTrue)unbiasedTrue使编码端采用无偏高斯热图、解码端采用 DarkPose 的亚像素精修在不动网络结构的前提下显著提升精度。这是基线算法 后处理/编解码增强可独立叠加的典型范例。移除反卷积的变体由于反卷积层是 SimpleBaseline2D 特有的上采样部件仓库中还存在刻意去掉该部件的对比配置用于验证上采样方式的影响例如 SIMCC 流水线的 simcc_mobilenetv2_wo-deconv-8xb64-210e_coco-256x192.py 与 ViTPose 的td-hm_ViTPose-base-simple_*系列。在HeatmapHead中当deconv_out_channels为空时反卷积层被替换为nn.Identity()heatmap_head.py体现代码对两种路线的统一支持。测试用例验证仓库通过 tests/test_codecs/test_msra_heatmap.py 对MSRAHeatmap的编解码行为做了完整验证覆盖encode、decode、闭环验证encode → decode 坐标还原与异常参数检查如input_size(192, 256), heatmap_size(48, 64), sigma2.0的标准实例化可据此确认上述配置的合法性与编解码一致性。反卷积头的构造与预测行为则由 tests/test_models/test_heads/test_heatmap_head.py 等用例保障。小结SimpleBaseline2D 在 MMPose 中的价值远超一篇论文的复现它以最简结构——ResNet 预训练骨干 三层反卷积 高斯热图 MSE 回归——构成了 top-down 热图流派的可复现基准。理解其MSRAHeatmapcodec 与HeatmapHead的设计后你可以自如地在同一框架内替换骨干ResNet-50/101/152、SEResNet、ResNeSt 等见 configs/body_2d_keypoint/topdown_heatmap/coco 下的同类配置、叠加 DarkPose 无偏编解码、调整反卷积结构或切换输入分辨率从而快速验证新的研究想法——这正是论文标题中simple baselines对领域研究与工程实践的持续贡献。【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmpose创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
