雷锋网AI研习社按：今年2月，我们报道过上海交通大学卢策吾团队开源AlphaPose的消息。
AlphaPose是一个多人姿态估计系统，具有极高的精准度。据卢策吾团队介绍，AlphaPose在姿态估计（PoseEstimation）标准测试集MSCOCO上达到72.3mAP，是首个超过70mAP的开源系统，比Mask-RCNN相对提高8.2%，比OpenPose（CMU）相对提高17%。除此之外，在MPII排行榜上，AlphaPose以6%的相对优势占据榜首。AlphaPose基于腾讯优图和卢策吾团队在ICCV上发表的分区域多人姿态识别算法（RMPE）。
近日，AlphaPose迎来一次重大更新。在不损失精度的情况下，他们把识别速度提升到实时。系统采用PyTorch框架，在姿态估计的标准测试集MSCOCO上，达到71mAP的精度，同时，速度达到20FPS（平均每张图像中有4.6人）。代码支持Linux和Windows。
各开源框架在MSCOCO上的性能，运行在Ti单卡上据卢策吾团队介绍，新版AlphaPose系统，架设在PyTorch框架上，得益于PyTorch的灵活性，新系统对用户更加友好，安装使用过程更加简易，也方便进行二次开发。同时，系统支持图片、视频、摄像头输入，实时在线计算出多人的姿态结果。
为了在兼顾速度的同时保持精度，新版AlphaPose提出了一个新的姿态估计模型。模型的骨架网络使用ResNet，在下采样部分添加SE模块作为attention模块。除此之外，使用PixelShuffle进行3次上采样，输出关键点的热度图，在提高分辨率的同时，保持特征信息不丢失，技术论文会在近期公布。
另一方面，卢策吾本人在知乎上表示，「alphapose系统接下来计划上线3Dpose，密集人群pose，超轻量级pose，pose-action联合预测模块，等等，每一个模块一般会对应一篇学术论文。MVIG团队会持续优化速度，精度。希望能像Yolo一样持续更新成为一个对大家有用的系统。学术上，有新的算法第一时间更新，并投稿顶级会议。工程上，也会做到方便二次开发。」从这样的路线图可以看到，AlphaPose目标是成为一个对学界、业界都开放、有用的代码库，我们也非常期待AlphaPose的未来更新。
项目链接：
