自上而下和自下而上的方法是什么意思？

Question

我在阅读本文时遇到了自上而下和自下而上的方法
“https://arxiv.org/abs/1611.08050”关于图像处理。

我从这一段中对自上而下的方法有一个模糊的认识： “自上而下的方法：应用单独训练的人体检测器（基于我们之前讨论的对象检测技术），找到每个人，然后对每个检测运行姿势估计。”

但无法理解自下而上的方法： “自下而上的方法直接从像素级图像证据中识别人体姿势。它们可以解决上述两个问题：当您从整张图片中获得信息时，您可以区分人，并且您还可以将运行时间与人数解耦在框架上……至少理论上是这样。” 请帮助我理解这些概念。谢谢。

这两段都来自这个博客：“https://medium.com/neuromation-blog/neuronuggets-understanding-human-poses-in-real-time-b73cb74b3818”

Answer 1

图片中有两个人。所有人都有15个关节（关键点）

• 自上而下的方法
  1. 找到包括每个人在内的两个边界框
  2. 估计每个边界框的人体关节（15 个关键点）

在这个例子中，Top-down 方法需要两次姿态估计。

• 自下而上的方法
  1. 估计图片中的所有人体关节（30 个关键点）
  2. 分类同一个人中包含哪些关节（15个关键点）

在这个例子中，姿势估计器并不关心图片中有多少人。他们只考虑如何将每个关节分类为每个人。

在一般情况下，Top-down 方法比 Bottom-up 消耗的时间要多得多，因为 Top-down 方法需要通过人体检测器结果进行 N 次姿态估计。