版权声明：添加我的微信wlagooble，开启一段不一样的旅程 https://blog.csdn.net/nineship/article/details/88978705
摘要：
在本文中，我们对人体姿势感兴趣以学习可靠为重点的推理问题决议陈述。大多数现有方法恢复低分辨率代表的高分辨率表示-
由高到低分辨率网络产生的信息。相反，我们提议的网络保持高分辨率整个过程的表现。我们首先从高分辨率子网开始逐步添加高分辨率到低分辨率子网络一个接一个形成多个阶段，并连接多个阶段-并行解析子网络。我们重复进行多尺度融合使得每一个高到低的分辨率Lution陈述从其他PAR接收信息一次又一次的陈述，导致富有的高决议陈述。因此，预测键点热图在空间上可能更精确。
更精确。我们从经验上证明了其有效性。我们的网络通过优越的姿态估计结果超过两个基准数据集：COCO关键点检测
数据集和MPII人体姿势数据集。此外，我们显示我们的网络在姿势跟踪方面的优势posetrack数据集。代码和模型已经公开
网址：https://github.com/leoxiaobin/Deep-high-resolution-net.pytorch。
翻译：https://blog.csdn.net/weixin_37993251/article/details/88043650