Lite Pose

幻灯片|论文|视频

摘要

姿态估计在以人为中心的视觉应用中扮演着至关重要的角色。然而,由于计算成本高（每帧超过150 GMACs），在资源受限的边缘设备上部署最先进的基于HRNet的姿态估计模型非常困难。本文研究了在边缘设备上进行实时多人姿态估计的高效架构设计。通过我们的渐进缩小实验，我们揭示了HRNet的高分辨率分支在低计算区域的模型中是冗余的。移除这些分支可以同时提高效率和性能。受此发现的启发，我们设计了LitePose，一种用于姿态估计的高效单分支架构，并引入了两种简单的方法来增强LitePose的能力，包括融合反卷积头和大核卷积。融合反卷积头消除了高分辨率分支中的冗余，允许以低开销进行尺度感知的特征融合。大核卷积显著提高了模型的容量和感受野，同时保持低计算成本。在CrowdPose数据集上，仅增加25%的计算量，$7\times7$核比$3\times3$核获得了$+14.0$ mAP的性能提升。在移动平台上，与之前最先进的高效姿态估计模型相比，LitePose在不牺牲性能的情况下将延迟降低了高达$5.0\times$，推动了边缘设备上实时多人姿态估计的前沿。

结果

CrowdPose测试

<table> <tr> <td rowspan="2">模型</td> <td rowspan="2">mAP</td> <td rowspan="2">#MACs</td> <td colspan="3" align="center">延迟 (ms)</td> </tr> <tr> <td>Nano</td> <td>Mobile</td> <td>Pi</td> </tr> <tr> <td>HigherHRNet-W24</td> <td>57.4</td> <td>25.3G</td> <td>330</td> <td>289</td> <td>1414</td> </tr> <tr> <td>EfficientHRNet-H_-1</td> <td>56.3</td> <td>14.2G</td> <td>283</td> <td>267</td> <td>1229</td> </tr> <tr> <td>LitePose-Auto-S <b>(我们的)</b></td> <td>58.3</td> <td>5.0G</td> <td>97</td> <td>76</td> <td>420</td> </tr> <tr> <td>LitePose-Auto-XS <b>(我们的)</b></td> <td>49.4</td> <td>1.2G</td> <td>22</td> <td>27</td> <td>109</td> </tr> </table>

COCO 2017验证/测试

<table> <tr> <td rowspan="2">模型</td> <td rowspan="2" align="center">mAP<br>(验证)</td> <td rowspan="2" align="center">mAP<br>(test-dev)</td> <td rowspan="2">#MACs</td> <td colspan="3" align="center">延迟 (ms)</td> </tr> <tr> <td>Nano</td> <td>Mobile</td> <td>Pi</td> </tr> </tr> <td>EfficientHRNet-H_-1</td> <td>59.2</td> <td align="center">59.1</td> <td>14.4G</td> <td>283</td> <td>267</td> <td>1229</td> </tr> </tr> <td>Lightweight OpenPose</td> <td>42.8</td> <td align="center">-</td> <td>9.0G</td> <td>-</td> <td>97</td> <td>-</td> </tr> <tr> <td>LitePose-Auto-M <b>(我们的)</b></td> <td>59.8</td> <td align="center">59.7</td> <td>7.8G</td> <td>144</td> <td>97</td> <td>588</td> </tr> </table>

注意：更多详细信息，请参阅我们的论文。

使用方法

• 先决条件
• 数据准备
• 结果
• 训练过程概述
• 评估
• 模型

先决条件

1. 安装PyTorch和其他依赖项：

pip install -r requirements.txt

2. 按照官方HigherHRNet仓库的指引安装COCOAPI和CrowdPoseAPI。

数据准备

1. 请从COCO下载获取2017年的训练/验证数据集，这些数据用于训练和评估。
2. 请从CrowdPose下载获取训练/验证数据集，用于训练和评估。
3. 有关数据安排的更多详细信息，请参阅官方HigherHRNet仓库。

训练过程概述

超网络训练

要从头开始训练一个由arch_manager.py指定搜索空间的超网络，使用以下命令：

python dist_train.py --cfg experiments/crowd_pose/mobilenet/supermobile.yaml

权重转移

在训练超网络后，您可能想从超网络中提取特定的子网络（例如search-XS）。以下脚本将会很有用：

python weight_transfer.py --cfg experiments/crowd_pose/mobilenet/supermobile.yaml --superconfig mobile_configs/search-XS.json TEST.MODEL_FILE 你的超网络检查点路径

常规训练

要训练具有特定架构（例如search-XS）的普通网络，请使用以下脚本：

注意：在训练之前，请根据架构配置（例如search-XS.json）更改配置（例如experiments/crowd_pose/mobilenet/mobile.yaml）中的分辨率。

python dist_train.py --cfg experiments/crowd_pose/mobilenet/mobile.yaml --superconfig mobile_configs/search-XS.json

评估

要评估具有特定架构（例如search-XS）的模型，请使用以下脚本：

python valid.py --cfg experiments/crowd_pose/mobilenet/mobile.yaml --superconfig mobile_configs/search-XS.json TEST.MODEL_FILE 你的检查点路径

模型

预训练模型

为了重现论文中的结果，我们需要在训练超级网络之前加载预训练的检查点。这些检查点可在COCO-预训练和CrowdPose-预训练中获取。

结果模型

我们提供了与论文中结果相对应的检查点。

<table> <tr> <td>数据集</td> <td>模型</td> <td>#MACs</td> <td>mAP</td> </tr> <tr> <td rowspan="4" align="center">CrowdPose</td> <td>LitePose-Auto-L</td> <td>13.7</td> <td>61.9</td> </tr> <tr> <td><a href="https://drive.google.com/file/d/189VHaeFg3RkH2wBxm7iIM57cNVf7dN9y/view?usp=sharing">LitePose-Auto-M</a></td> <td>7.8</td> <td>59.9</td> </tr> <tr> <td><a href="https://drive.google.com/file/d/1kCmjJfrOScaGFDpguEadwxdyJ_ESoR5P/view?usp=sharing">LitePose-Auto-S</a></td> <td>5.0</td> <td>58.3</td> </tr> <tr> <td><a href="https://drive.google.com/file/d/1U3jIFEmPLbxSUhScZJv1JPAoiFboA8Y6/view?usp=sharing">LitePose-Auto-XS</a></td> <td>1.2</td> <td>49.5</td> </tr> <tr> <td rowspan="4" align="center">COCO</td> <td><a href="https://drive.google.com/file/d/1_zJCRaYMDK77wmaYul6bHb6_M5qlJ8zP/view?usp=sharing">LitePose-Auto-L</a></td> <td>13.8</td> <td>62.5</td> </tr> <tr> <td><a href="https://drive.google.com/file/d/1OIXIwE1VMSlWbDsZzYJU-qlIxPNAnBPh/view?usp=sharing">LitePose-Auto-M</a></td> <td>7.8</td> <td>59.8</td> </tr> <tr> <td><a href="https://drive.google.com/file/d/10NCT0UrQvMmTdjMLR7l-WvFBrvMofjXs/view?usp=sharing">LitePose-Auto-S</a></td> <td>5.0</td> <td>56.8</td> </tr> <tr> <td>LitePose-Auto-XS</td> <td>1.2</td> <td>40.6</td> </tr> </table>

致谢

Lite Pose 基于HRNet系列，主要基于HigherHRNet。感谢他们组织良好的代码！

关于大型卷积核，最近几篇论文得出了类似的结论：ConvNeXt、RepLKNet。我们期待大型卷积核在不同任务上有更多应用！

引用

如果Lite Pose对您的研究有用或相关，请通过引用我们的论文来认可我们的贡献：

@article{wang2022lite,
  title={Lite Pose: Efficient Architecture Design for 2D Human Pose Estimation},
  author={Wang, Yihan and Li, Muyang and Cai, Han and Chen, Wei-Ming and Han, Song},
  journal={arXiv preprint arXiv:2205.01271},
  year={2022}
}