【论文阅读】Deeply Learned Compositional Models for Human Pose Estimation 【ECCV2018】

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/github_36923418/article/details/89136826

        
一、本文想要解决的问题

      1、提高精度

      2、尽量解决因为“遮挡” ，“画面中其他人物关节的干扰”、“杂乱的背景” 导致的错误

        

二、提出的方案

     1、Deeply Learned Compositional Model (DLCM)

     2、spatially local information summarization (SLIS)

     3、 use bone segments to represent a part and supervise its score map in the training phase （骨骼分割 这个新的表征，涵盖了方向、尺度、以及轮廓，“对于传统的做结构的人体姿态估计来说，还降低了计算量和复杂度”）

三、文章的主要贡献

     1、DLCM

     2、bone based representation 

     3、结构化的网络结构，消除了一些bottom-up的歧义。。。，在这个结构里，既有Bottom-up 也有top-down，当然和平常姿态估计中的不一样。

四、详细介绍

compositional model：

             

                                                               

        代表了节点的状态，其中包含了p代表坐标，t代表状态（如，方向）这个概念来自于传统的tree structure。总的score function设计的目的就是，去最大化对于某一张图像I的所有关节点在各自某状态下得分最高，且他们的组合得分也高。

                            

         第一个公式是叶子节点的得分计算；第二个公式是，比如父节点为右肩膀，候选的右肘有3个，那么我们需要从这3个右肘中找出得分最大的，然后如果右肩膀还有其他可选子关键的链接，比如右臀部，那么就把“右肩膀-右肘”+“右肩膀-右臀”。

      Top-Down过程

 Spatially local information summarization：

 对于非 root节点

                                  

                                                   

                              

    以上这些公式都是用于理解这个思路的，具体到CNN中如何去实现，就得看下面的内容了：

    Model SLIS functions with CNNs.：