创新思想：
从一个图像中确定每个人的身体部位或关节位置，来判断人体的姿势。
这篇文章提出了有“注意局部模块”和“可微的自动数据增强方法”的“增强平行金字塔网”(Augmented Parallel-Pyramid Net)。
“注意局部模块”(Attention Partial Module, APM)，是从“增强平行金字塔网”生成的不同尺度特征图中提取加权特征得到的。
“可微的自动数据增强方法”(Differentiable Auto-data Augmentation)，是为了提高估计精度。
主要原理：
ParallelNet：平行网络，多尺度融合，产生高分辨率；
PyramidNet：金字塔网络；
RefineNet：修正网，修正了并行网中难以定位的关键点。
并行网络结构：在金字塔网络中每层都层添加了其他层的汇聚信息。
扩充策略：(a)对不同颜色，每一步扩充包括了算子、应用概率、量值度量。(b)松弛搜索空间，优化混合概率和网络权重。©从混合概率中得出结构。
主要实验结果：
AP (Average Precision)：平均正确率。
PCKh (head-normalized probability of correct keypoint)：关键点正确率。
与没有结合APM的模型对比。