pose machine论文基本思想和全文翻译

基本思想

网络分为多个层级多个stage，每个层级的输入是一个patch（图像的部分），即从图像中以点z(x,y)为中心得到的一个矩形框（可以设定不同的大小）。第一个stage的层级1将从patch得到的特征1xz${}^1{x}_z$作为输入，经过多分类器1g1${}^1{g}_1$得到各个part的置信1b1${}^1{b}_1$，接下来的stage同时将特征1xz${}^1{x}_z$和上一个stage在不同层级上得到的上下文信息Ψ$\Psi$作为输入，经过分类器1g2${}^1{g}_2$得到这个阶段各个part的置信，此时得到的结果比stage1的结果好。

这里的上下文信息Ψ$\Psi$分为两部分，一部分是上下文patch特征，一部分是上下文offset特征。前一部分是每个层级上所有part在位置z处score的级联，是对短距离的关系进行处理；后一部分先获取所有part在l层级t-1 stage上的置信的峰值，然后计算part p从z到峰值k的极坐标偏移向量，也对长距离的交互进行编码。

论文翻译链接