人体姿态估计必读论文

在人体姿态估计领域，深度学习确实是为人体姿态估计插上了翅膀，最早的一篇是CVPR2014的 DeepPose,是首个使用深度卷积神经网络实现的人体姿态估计方法，是一个Regression方法，再后来又有了 OpenPose,AlphaPose RMPE,DeepCut,Mask R CNN,Simple Baselines,HRNet,RLE,这样的算法，这些算法性能越来越强，模型越来越深，效果越来越好，速度也越来越快，这里重点讲解3个算法 OpenPose和Mask R-CNN和HRNet，其中Mask R-CNN会单独做一期论文精读，所以这里重点看OpenPose和HRNet。

OpenPose是卡内基梅隆大学2018年开源的多人姿态检测的项目。

子豪兄视频中讲到：和这个项目也十分有缘分， 2018年11月份那会子豪兄到刚读研一，子豪兄就给这个项目写了个中文文档，在Github上中文文档也是子豪 兄翻译的，子豪兄回忆讲到当时根本不会编程，不会写代码，但仍然在Github上参加了很多开源项目，参加开源项目的主要形式就是翻译中文文档，现在这个中文文档已经有20多万人看过了，也有很多中国开发者是通过子豪兄这个博客了解到OpenPose这个项目的，这个OpenPose的logo是一个O，一个P，很富有美感， 它是多人的。

卡内基梅隆大学为了设计这个数据集，为了构造这个数据集，专门在校内建立了一个蜂巢，里面布满 了红外摄像头，和各种各样的传感器，还有Kinect这样的3D传感器，用它来做出数据集，所以这是OpenPose的特色，首先它是多人的，然后数据集的采集是非常科学的，但是OpenPose的问题在于运算速度特别慢，而且毕竟是2018年的老算法，它的各种环境配置，各种代码，已经跟不上现在的深度学习的潮流。

参考：

同济子豪兄MMPose视频讲解