Chained Predictions Using Convolutional Neural Networks

1、文章主要是运用类似于RNN结构进行建模，每一个阶段用到上一个隐含层和之前所有的输出层

图中大体可以展现作者的思路

Chained Predictions Using Convolutional Neural Networks

与RNN不同的是，作者在训练图片的时候w都不是权值共享的，但是RNN网络的U,V,W都是权值共享的，如图

Chained Predictions Using Convolutional Neural Networks

作者这样做也是为了适应人体姿态估计这一任务，在后面的vedio的实验中，作者却采用权值共享的策略 Chained Predictions Using Convolutional Neural Networks

作者在文中还提出了deception的结构

Chained Predictions Using Convolutional Neural Networks

也即deconvolution+inception的结构罢了

2、Recurrent Human Pose Estimation

这一篇文章运用recurrent的思想，增大感受野区域来获得更好的图像信息，优点在于端对端，不需要像feedback那个样子，需要把输出和输入结合在一起，作者也提到多个recurrent堆叠类似于hourglass，只能说提出了一种新的网络结构

文章包括feed-forward module和recurrent module两部分

作者还试验了hallucinated annotation和occlusion aware带来的影响，作者尝试利用肢体信息不仅仅是关键点信息进行训练

整体网络

Chained Predictions Using Convolutional Neural Networks

还有一些处理heatmap的技巧觉得挺不错

Chained Predictions Using Convolutional Neural Networks