介绍HRNet是因为用的相对比较多。 HRNet的解析文章还是蛮多的，另外，本文也是行为分析的第一篇总结笔记。所以打算通过HRNet介绍一下相关概念和工作。

There are two main paradigms: top-down and bottom-up. The top-down paradigm first detects the person and then performs single-person pose estimation for each detected person. The bottom-up paradigm either directly regresses the keypoint positions belonging to the same person, or detects and groups the keypoints, such as affinity linking [7, 31], associative embedding [40], HGG [27] and HigherHRNet [11]. The top-down paradigm is more accurate but more costly due to an extra person detection process, and the bottom-up paradigm, the interest of this paper, is more efficient.

有两种主要范式(paradigms)：自上而下和自下而上。 自顶向下范式首先检测人，然后对每个检测到的人进行单人的姿态估计。 自下而上的范式要么直接回归属于同一个人的关键点位置，要么检测和分组关键点，例如affinity linking [7, 31]、 associative embedding [40]、HGG [27] 和 HigherHRNet [11]。 由于额外的人形检测过程，自上而下的范式更准确但成本(计算)更高。而自下而上的范式(high-HRNet、HRNet-DEKR)，则效率(计算)更高。

此处参考：https://blog.csdn.net/qq_36401512/article/details/88248605 1.除非另有说明，否则AP和AR在多个交汇点（IoU）值上取平均值。具体来说，我们使用10个IoU阈值0.50：0.05：0.95。这是对传统的一个突破，其中AP是在一个单一的0.50的IoU上计算的（这对应于我们的度量APIoU=.50 ）。超过均值的IoUs能让探测器更好定位。 2.AP是所有类别的平均值。传统上，这被称为“平均准确度”（mAP，mean average precision）。我们没有区分AP和mAP（同样是AR和mAR），并假定从上下文中可以清楚地看出差异。 3.AP（所有10个IoU阈值和所有80个类别的平均值）将决定赢家。在考虑COCO性能时，这应该被认为是最重要的一个指标。 4.在COCO中，比大物体相比有更多的小物体。具体地说，大约41％的物体很小（面积 962）。测量的面积（area）是分割掩码（segmentation mask）中的像素数量。 5.AR是在每个图像中检测到固定数量的最大召回（recall），在类别和IoU上平均。AR与提案评估（proposal evaluation）中使用的同名度量相关，但是按类别计算。 6.所有度量标准允许每个图像（在所有类别中）最多100个最高得分检测进行计算。 7.除了IoU计算（分别在框（box）或掩码（mask）上执行）之外，用边界框和分割掩码检测的评估度量在所有方面是相同的

先说下其中的single-scale testing和multi-scale testing我还没太明白，不过依据下面两个链接，应该就是将一个大图片裁剪成同一个尺寸然后送入网络 链接1：https://www.cnblogs.com/xxxxxxxxx/p/11629657.html 链接2：https://www.freesion.com/article/8897372696/ 下面是HRNet的指标，HRNet是CVPR2019文章，从中你也可以看到之前的SOTA工作