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

        
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.：