Multi论文笔记

对分类任务而言，更深的网络往往比浅层网络效果更好，但是在COCO keypoints 2016、2017比赛中，冠军算法是single-stage的

针对multi-stage算法效果不好的问题，作者提出了3点可优化的方向，汇总如下，

1、采用的single-stage module不够优秀，比如Hourglass module中所有层的channels个数完全相同；
2、越多的single-stage module做级联，信息丢失的越严重，导致模型难以被优化训练；
3、所有的stages按照先后顺序，预测出的关节点位置越来越精细，如何对intermediate supervision策略做调整。

继续沿用top-down的思路。基于CPN做了一些修改，比如把backbone不停的扩大，发现效果提升很不明显。原来CPN的两个stage可能并没有把context信息利用好，单个stage的模型能力可能已经比较饱和了，增加更多stage来做refinement可能是一个解决当前问题，提升人体姿态估计算法uppper-bound的途径。所以在CPN的globalNet基础上面，做了多个stage的堆叠，类似于Hourglass的结构。

相比Hourglass结构，MSPN做了如下三个方面的改进。
首先是Hourglass的每个stage的网络，使用固定的256 channel，即使中间有下采样，这种结构对信息的提取并不是很有益。所以使用了类似ResNet-50这种标准的ImageNet backbone做为每个stage的网络。
另外，在两个相邻stage上面，也加入了一个连接用于更好的信息传递。
最后，对于每个stage的中间层监督信号做了不同的处理，前面层的监督信号更侧重分类，找到coarse的位置，后面更侧重精确的定位。从最后效果上面来看，在COCO test-dev上面跑到了76.1