如何从热图中计算关键点估计的置信度分数答案

【问题标题】：How to calculate the confidence score of a keypoint estimation from a heatmap如何从热图中计算关键点估计的置信度分数
【发布时间】：2021-02-20 13:29:09
【问题描述】：

我已尝试从本文 (https://arxiv.org/pdf/1602.00134.pdf) 中构建 Convolutional Pose Machines 模型。该模型工作正常并输出 15 个热图（每个关键点一个 + 1 个用于背景）。从这些热图中，我可以计算关键点位置（只是热图中的最大值）。

我的问题是：热图中的这个最大值是否也等于关键点在图像中的模型的置信度分数？

也许这是一个愚蠢的问题，但在论文中作者没有提到他们如何计算置信度分数或他们如何处理不可见的关键点。

【问题讨论】：

嗨，马克，首先，感谢您的回答。我仍然不确定这是否是正确的做法（就我使用的模型而言）。我目前正在不同的数据集上测试模型，我想试验您的解决方案（sigmoid）并更详细地查看结果以验证它。所以你的回答很有帮助，但在卷积姿势机模型的情况下，我仍然不确定这是否是正确的方法，如果是，我会接受你的回答。
很好。感谢您的反馈。

标签： pose-estimation

【解决方案1】：

有趣的问题。

我认为，最好的回答方式是使用卷积方法深入研究流行姿势估计模型的实际代码，看看在实践中是如何做到的。

Google TensorFlow PoseNet model 应该是一个很好的例子。

他们在他们的（开源）代码here（查看predict 方法）中所做的是针对姿势的每个关键点将 2D sigmoid 激活函数应用于热图强>。

所以，为了回答你的问题，我会说热图中的最大值不直接等于置信度分数 - sigmoid 函数的输出是（从 0 到 1 的正确分数）

【讨论】：