2019年3月23日
/馬曉穎
這周從已有的二維圖像姿态預測的算法出發，參考論文Convolutional pose machines的算法進行二維姿态預測，得出人體14個關節點的位置。
（S.-E. Wei, V. Ramakrishna, T. Kanade, and Y. Sheikh. Convolutional pose machines. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 4724–4732, 2016）
1.算法研究部分
cpm是CMU開源項目OpenPose的前身，目前在MPII競賽single person中排名第七。
Pose estimation任務屬于FCN的一種，輸入是一張人體姿勢圖，輸出n張熱力圖，代表n個關節的響應。
Pose estimation任務屬于FCN的一種，輸入是一張人體姿勢圖，輸出n張熱力圖，代表n個關節的響應。
CPM網絡結構如下圖所示，X代表了經典的VGG結構，在每個stage末用1✖️1卷積輸出heatmap，與label計算loss（中間監督）。
.Stage 1 input是原圖，經過全卷機網絡，輸出是一個P+1層的2Dmap
Stage 2 input是 StageOutput做處理，并且加上 原圖通過幾層網絡後的中層map。輸出同上。
Stage t>2 類似2
（這裡相加的話會有一些尺度問題，應該是ψ中操作了，但論文中沒有解釋ψ。）## 2.用
2.運作準備
環境：windows10+TensorFlow1.4.0+opencv+python3.5
（下載下傳TensorFlow庫費了不少勁）
下載下傳官方models放進models/weigh檔案夾下
修改幾個DEMO_TYPE,輸入圖檔
修改在cpu上運作
運作_cpm_body.py
結果還不錯