（曹哲）作者主頁：
，**的貢獻還是
多人實時和效果
文章**總共分為兩條線
第一條線：求所有的關鍵點（頭，肩膀，手肘，手腕 ... ）
1）一共兩個
cnn，第乙個
cnn的輸入是原圖，輸出是熱圖（每乙個熱圖包含某一種關鍵點）
2）第二個
cnn輸入是上乙個
cnn得到的所有熱圖，和原圖。輸出還是熱圖。
迴圈直至收斂
第二條線：求所有關節區域
1）一共兩個
cnn，第乙個
cnn的輸入是原圖，輸出是熱圖（每乙個熱圖包含某一種連線（可以簡單理解為骨頭）區域），其實它們是一整片區域，不過每個地方的概率大小不同。
2）第二個
cnn輸入是上乙個
cnn得到的所有熱圖，和原圖。輸出還是熱圖。
迴圈直至收斂
根據前邊兩個階段得到的兩個熱圖，計算哪兩個點連線比較好。這就要根據關節區域和點的位置來計算每個畫素的小法向。生成乙個法向圖。
根據前邊生成的法向圖，第一條線中最後得到的各個點的連線，確定哪兩個點的連線的概率最大，找到所有這樣的線。找到乙個線就可以開始用最小生成樹演算法來找下一條線，最終得到乙個人的骨架，然後得到所有的骨架，如果有連線不完整的，那就殘缺的存在就好了。
pose estimation 的挑戰：
1〉影象中不知道多少人，在什麼位置，什麼尺度
2〉人與人之間因接觸，遮擋而變得複雜
3〉實時性的要求，影象中人越多，計算複雜度越大。
1.人離得近的時候不容易檢測
2.影象中人越多計算時間越長，複雜度越高。
so，提出了
bottom up
的方法，不存在以上兩個問題。利用全域性的上下文線索關係來檢測部件及其關聯。提出了part confidence maps 和
part affinity fields。
輸入一幅影象，經過卷積網路提取特徵，得到一組特徵圖，然後分成兩個岔路，分別使用 cnn網路提取
part confidence maps
和 part affinity fields
，得到這兩個資訊後，我們使用圖論中的
bipartite matching
將同乙個人的關節點連線起來得到最終的結果。
confidence maps for parts和
part affinity fields
都是2d spatial grids,
可以表達由於遮擋和接觸而產生的不規則的，多形態不確定性的物體，而且可以用卷積分析。
關於作者博文的簡要說明
博文定性為sap工作筆記，完全由個人基於實際工作案例創作，文章側重於技術與應用的結合。在日常學習和工作中實際遇到的知識和應用經驗進行寫作分享 溫故知新 在寫作過程中完成應用經驗和知識的沉澱 視寫作為興趣，擴充套件到工作之外的生活狀態，保持內心的平靜和充實 融入到更廣闊的技術天地中，激發學習熱情並保持...
arx程式說明 二
資訊管理的類主要用於問題空間中的各種物件，在分析問題的空間中，主要有點類，直線類 圓弧類，以及描述建築物的門窗類 房間類，公寓類等，各種類主要由屬性和成員函式進行描述。下面分別進行介紹。點類用來描述 autocad 中的點，主要用於記錄線條的起點和終點，也用於在圖形拓撲結構中的節點。下面是點類的定義...
C程式的說明
c程式的檔案大概有兩種 源程式 c 標頭檔案 h c程式的注釋 多行注釋符 缺點 不能嵌fu套使用 單行注釋符 支援巢狀使用 標頭檔案 c語言中包含標頭檔案的方式有兩種 a include 頭檔名稱 b include 頭檔名稱 c程式中必須要包含乙個main函式 執行.a.out 是從main開始...