这是一篇比较经典的人体姿态识别的文章，以下简单介绍一下其重大的改进。
整篇论文的基调在于一个关节点位置的回归，使用DNN对人体关节节点位置进行定位。因为CNN网络对于图像大小的限定，而且对于多个关节点直接使用MSE的方式进行梯度下降，求解最优。但此种方法检测关节点的定位精确度不是很高。所以作者，在此提出现在一整幅图像上进行粗略的姿态估计，然后又多个DNN-Based回归器对关节点的领域子图像进行优化预测。
简单来说，这是一个同一个网络架构，多个网络模型的框架。可如下表示：
这是论文中的原图
我们对其进行一个大致的抽象化：
对于其中每一个，θ参数，我们相当于都是训练了一整个网络（有监督的方式）。
对于上述方式，总结的数据公式：
y' = N^(−1)(ψ(N(x);θ))
其中y'为prediction，N代表normalization，ψ代表网络，θ为network的parameters，x为input image
P.S: 在参考项目5中，对于这个挖掘出来的点信息，如何设定其领域范围。该项目的做法是如此的，它假定一个人体大小的区域范围为，左右肩到左右膝盖的距离。根据这个距离相当于是一个人体矩形框的大小，通过如此来设定这个截取框的范围大小。
除此之外，另外要提及该论文，作者为了消除图片中的绝对位置带来的影响，作者将其改为了相对位置。（在参考资料项目5中，使用的是先检测人脸的位置，将所有坐标点根据人脸做一个相对位置的处理；而在参考资料1中则是选用原始图片的中心点信息）
总结：该论文主要运用了图片的相对位置以及级联回归的方式，将CNN网络运用于人体的姿态识别。这两种思想对后续的操作都产生了一定的影响。
【参考博客资料及论文】
- https://github.com/mitmul/deeppose 【项目,不过只提供 stage-1 的做法】
- https://blog.csdn.net/sky_asher/article/details/80187726
- https://arxiv.org/abs/1312.4659 【原论文】
- https://zhuanlan.zhihu.com/p/35696429
- https://github.com/takiyu/DeepPose 【项目2，提供了 stage-2 的做法，不过做的比较复杂】
