关于confidence score与evaluation metrics的疑问

[T-S-Liang]

Hi, 感谢作者在RTMPose系列里非常棒的工作。

我有一个关于score和evaluation metrics的疑问想向作者请教。之前有类似的问题针对模型预测的分数未归一化到[0,1]区间内 #42 。

我观察到RTMPose以及相关的用SimCC作为representation的工作是把分类头最终输出的logits的amax值作为pose keypoint的confidence score，但COCO evaluation api里接收score的部份好像期待的是一个归一化的概率值，因为置信度低于0.3的keypoint会被filter掉。

我查阅了相关的paper和库以及文档，对于基于SimCC的evaluation的细节是缺失的，尤其是置信度分数的对齐方面。可以烦请作者介绍一下在与最终COCO metrics对齐的时候是如何处理预测置信度分数的吗？非常感谢！

[T-S-Liang]

我同时注意到RTM-W的paper提到这个版本改用了MLECCLoss，请问MLECCLoss和mmpose里MLECCLoss的实现一致吗？改用MLECCLoss后softmax的分数相比之前合理很多，应该是之前使用KLDiscreteLoss的beta因子选取的时候会导致logits score分布偏大的问题。