modify the codes deep_head_pose of the paper: Fine-Grained Head Pose Estimation Without Keypoints
论文笔记
代码链接
pre-trained model：300W-LP, alpha 1, robust to image quality
1.引言：
本文提出了一种简洁和鲁棒的方式来确定姿态，通过训练一个multi-loss的卷积神经网络。
直接使用RGB结合分类和回归损失来预测Euler angles（yaw，pitch and roll）。
2.网络结构：
本文提出使用3个分离的losses，为每一个角度。每个loss由两部分组成：a binned pose classification and a regression component 组成。
最后为每一个欧拉角的损失为:
3.实现细节：
1） 对欧拉角（Yaw，Pitch，Roll）按角度区间进行分类，比如3度，那么Yaw：-90-+90，可以分成180/3= 60个类别，Pitch和Roll同Yaw角类似。这样就可以进行分类任务了。
2） 对分类的结果恢复成实际的角度，类别*3-90，在和实际的角度计算回归损失。
3） 最后将回归损失和分类损失进行合并来得到最后的损失，回归损失的前面增加了一个权重系数α。