EvoPose2D：重み転移を用いた高速化ニューロエボリューションによる2D人体ポーズ推定の限界を突き進む

ニューラルアーキテクチャサーチ（NAS）は、手動設計されたネットワークよりもモバイルデプロイメントに適した効率的な畳み込みニューラルネットワークの設計において、非常に有効であることが実証されている。本研究では、ニューラルアーキテクチャサーチが人体ポーズ推定において大きな潜在能力を有すると仮定し、生物学的進化をモデルにした神経進化的手法（neuroevolution）を、2次元人体ポーズ推定用ネットワークの設計に初めて適用した。さらに、柔軟にニューラル進化的手法の速度を向上させることのできる新たな重み転送スキームを提案した。本手法により、最先端の手動設計ネットワークよりも効率的かつ高精度なネットワーク設計が可能となった。実際、生成されたネットワークは、従来の低解像度画像を処理する手動設計ネットワークよりも高い解像度の画像をより少ない計算量で処理でき、2次元人体ポーズ推定の限界を押し広げることを実現した。ニューラル進化的手法により設計されたベースネットワーク（EvoPose2D-S）は、SimpleBaselineと同等の精度を達成しながら、処理速度は50%高速で、ファイルサイズは12.7倍小さくなった。また、最大規模のネットワークであるEvoPose2D-Lは、Microsoft COCO Keypointsベンチマークにおいて新たな最先端の精度を達成し、最も近い競合モデルと比べて4.3倍小さく、推論速度は同程度である。コードは公開されており、https://github.com/wmcnally/evopose2d にて入手可能である。