一种选择是修改您的网络，为每个身体部位输出一个二进制标签，表明该部位是否可见。

您需要进行以下更改：

• 修改您的网络架构以返回范围内的实数$[0, 1]$对于每个身体部位。sigmoid 将是最后一层的适当激活。它的语义是$i^{th}$身体部位可见。
• 使用新标签的适当值扩展您的训练和测试数据。
• 将损失更改为仅考虑身体部位位置之间的差异（预期与预测），如果预期会找到该部分（例如通过相乘）。我不太确定您应该在这里使用真实标签还是预测标签（甚至两者的平均值）。
• 使用 body part presence flag的交叉熵向您的损失添加一个新术语（添加到原始损失）。您可能应该添加一个加权因子$\alpha$这个新的损失项相对于位置距离损失项具有适当的比例。