上述一段英文交代的比较清楚，模型输入就是一张RGB彩色图像，模型最终的输出有四个部分组成，分别是boxes、labels、scores、keypoints，它们的输出结构如下： 不是还有最后一个输出层没有解释吗，最后一个输出层其实是各个关键点的得分信息，小于的基本上应该 ...