associative_embedding
AIC
higherhrnet_aic.md
这个 .md 文件介绍了一个基于底部向上人体姿态估计的算法以及其在AI Challenger数据集上的性能评估结果。其中，这个算法包括两个引用：Associative Embedding 和 HigherHRNet，以及一个引用数据集 AI Challenger。
首先，介绍了 Associative Embedding 算法，它是一种用于联合检测和分组的端到端学习算法，由 Newell等人于2017年在 NIPS 会议上发表。其次，介绍了 HigherHRNet 算法，它是一种用于底部向上人体姿态估计的比较新的算法，由 Cheng等人于2020年在 CVPR 会议上发表。最后，介绍了 AI Challenger 数据集，它是一个用于图像理解的大规模数据集，由 Wu等人于2017年在arXiv上发表。
接下来，该文件列出了在 AI Challenger 数据集的验证集上，使用 HigherHRNet-w32 架构进行训练，输入尺寸为 512x512，不使用多尺度测试时的性能评估结果。评估指标包括平均精度(AP)、AP@50、AP@75、平均召回率(AR)和AR@50。最后，它还列出了在同样条件下，使用三个默认尺度（<span class="katex"><span class="katex-mathml">2，1，0.5<span class="katex-html"><span class="base"><span class="strut"><span class="mord">2<span class="mord cjk_fallback">，<span class="mord">1<span class="mord cjk_fallback">，<span class="mord">0.5）的多尺度测试时的性能评估结果。这两个评估结果可以帮助研究者了解该算法在不同测试条件下的表现。
总之，这个 .md 文件提供了一个基于底部向上人体姿态估计的算法的详细介绍和性能评估结果，可以为相关研究提供有价值的参考。