网络简介
face++2017年coco keypoint benchmark 数据集冠军的文章，发表于CVPR201
1 提出了一种金字塔型的串接模型，即CPN（cascaded pyramid network），这个模型能够同时兼顾人体关节点的局部信息以及全局信息，结果取得了不错的效果;
2 使用了在线难例挖掘（online hard keypoints mining）的技术，这对于人体姿态估计任务中一些存在遮挡的“hard”的关键点的预测有所帮助；
3 测试阶段考量了soft-NMS和传统的hard-NMS（非极大值抑制）在human detection阶段产生的影响，结论是soft-NMS对于最后的结果是有所帮助的。
本算发聚焦点在于处理多人姿态估计所面临的挑战：关键点遮挡，关键点不可见，复杂背景等——就是优化对于难以检测的点的预测，即着重于处理 “hard” 关键点。思路就是detector先定位bbox，然后使用CPN检测关键点，其中原作者使用的是FPN进行bbox定位（下图解释了FPN的优越性），并应用了ROIAlign。
CPN本体由两部分组成：GlobalNet和RefineNet，流程如下图所示，GlobalNet对关键点进行粗提取，RefineNet精细加工难以识别的网络（RefineNet对不同层信息进行了融合，可以更好的综合特征定位关键点），首先对于可以看见的easy 关键点直接预测得到，对于不可见的关键点，使用增大感受野来获得关键点位置，对于还未检测出的点，使用上下文context进行预测。。
GlobalNet 采用类似于FPN的特征金字塔结构，并在每个elem-sum前添加了1x 卷积，负责网络所有关键点的检测，重点是对比较容易检测的眼睛、胳膊等部位的关键点。
RefineNet基于GlobalNet生成的特征金字塔，其链接了所有层的金字塔特征用于定位“hard”关键点，GolbalNet对身体部位的那些遮挡，看不见，或者有复杂背景的关键点预测误差较大，RefineNet则专门修正这些点。主要还是基于shortcut的思想，在该阶段的训练中，还使用了类似OHEM的online hard keypoints mining难例挖掘策略。
下图表示的更明显，眼睛等关键点GlobalNet 直接输出结果，其他关键点使用添加了RefineNet 的组合网络输出结果：
实验要点
(1)数据增强，提升0.4map
训练数据的处理上使用了随机翻转，（-45度，45度）的随机旋转，（0,7,1.35）的随机尺度变换
(2)大batch的训练，主要针对检测框架，提升0.4-0.7map
(3)在行人检测框架中使用soft NMS取代hard NMS，提升0.3map
(4)随着检测map的提高，关键点的map提升非常有限
(5)online hard keypoints mining
在coco 数据集中有17个关键点需要预测，GolbalNet预测所有的17个点，并计算所有17个点的loss，RefineNet也预测所有的17个点，但是只有最难的8个点的loss 贡献给总loss。作者称这为OHEM。
(6)多模型融合集成，提升1.1-1.5map在coco minval数据集上