介紹

這是一篇2016年做單人姿態估計的文章

實驗用的是MPII sigle 和 FLIC ，指標PCKh

通過堆疊沙漏結構的網路進行人體姿態估計

沙漏結構指通過pooling得到低解析度的特徵，然後通過上取樣得到高解析度特徵的網路結構

論文指出該網路可以捕獲並控制影象所有尺度上的資訊。

另一方面，沙漏網路區別於先前的設計，主要在其更對稱的拓撲結構。

通過連續堆放這樣的沙漏網路，可以實現重複的bottom-up，top-down的推理

論文所提結構成功的原因有兩點：

1. 上述的重複雙向推理
2. 訓練過程中使用了中間監督

這個單沙漏網路的特點在於在推導heatmap時，既使用到高層的語義，也結合了底層的紋理資訊，這樣使得定位更加準確

然後通過多個沙漏網路堆疊方式，讓後面的網路學習前面網路學習不到的東西，即更難的骨骼關鍵點檢測，finetune再finetune,取得更好的結果下面左邊的圖展示了，第二層hourglass輸出和最後一層（第八層）的結果對比，從例子看明顯第八層的finetune後結果比第二層要好不少

上面右邊的圖是為了說明效能提升究竟是加深網路導致的，還是本文所提的堆疊多個finetune沙漏結構所取得的

中間的圖是PCKh結果，上面的點是各網路各子沙漏的結果，同意網路，越往後的層效果越好，網路深度相同的情況下，分越多的子沙漏會比分的少網路，最終輸出的結果會高那麼一點點

感覺這裡缺了一個單層的結果，即沒有finetune時的效果，當然也可以把總網路的一半當作是單層效果，分別看分兩層和4層的效果如何（0.846，0.865，0.871）