開源實現
https://github.com/shihenw/convolutional-pose-machines-release（caffe版本）
https://github.com/psycharo/cpm （tensorflow版本，但是只有用pre-trained model做predict，沒有training）
論文原文下載地址：https://www.researchgate.net/publication/301880946_Convolutional_Pose_Machines
論文閱讀筆記：
思路：通過關鍵點的連線判斷四肢的方向和位置（比如，手肘，肩膀，手腕，膝蓋，腳踝，臀部等14個關鍵點）。（但是我覺得關鍵點的難度應該是在人體的姿勢變化大，關鍵點不清晰和被遮擋等問題上）
摘要：姿勢識別即關鍵點定位技術， a sequential architecture（序列化結構。把一個網絡分成幾個序列化的模塊）組成卷積的網絡，在特征圖上進行一系列的操作。解決組合序列化的模塊，一旦網絡過長，可能會出現梯度消失的現象，可能會殺死前面的序列的問題。將訓練結果在多個數據庫上進行評估。
方法：
1. 序列化網絡：
詳見核心和特色：sequential網絡架構。
2.Keypoint Localization
第一個Stage：14個特征圖，就對應14個關鍵點，特征圖預測每個點在圖像中每一個部位的概率。
3.Sequential prediction：
感受野大小9*9,26*26,60*60..........,400*400（經過卷積之后，能看到的區域越來越大，可以更好地得到上下文信息，能看到更大的感受野，就有更高的准確率）分多個stage的好處就在於加卷積的時候，感受野越來越大。
糾錯：關鍵點之間是互相影響的，要分辨出不同的關鍵點，需要更大的感受野通過其他關鍵點信息判斷關鍵點。
如何得到更大的感受野：
1）加更多的卷積層，網絡越深，最后一層卷積層看到的越向前，獲得的感受野更大。
2）增大kernel size。
4.關於梯度下降的問題：
卷積層多了，就會出現梯度消失的問題。
Intermediate Supervision方法：
紅色是正常傳，epoch是每一次迭代，傳到Stage2梯度就無法再變化了。
我理解的Intermediate Supervision：每一個階段的Stage都已經有一個結果了，得出每個Stage的Loss，Loss1,Loss2.Loss3,每一層都有一次監督，每一層都能有參數的更新。
5.訓練：
1.Loss Function：
Grand Truth：一個點的坐標與標准的歐氏距離。
在每一個關鍵點的真實位置上，放置一個高斯響應。標定后生成label數據。
2.數據拓展：
為了豐富訓練樣本，對原始圖片進行隨機旋轉縮放鏡像。
論文核心思想和特色：
一．Sequential網絡的架構：
1. 在每一個尺度下，計算各個部件的響應圖
2. 對於每個部件，累加所有尺度的響應圖，得到總響應圖
3. 在每個部件的總響應圖上，找出相應最大的點，為該部件位置
六個Stage，
第一個Stage：輸入圖像，經過卷積得到46*46*15（14+1，14為關鍵點，1為背景）的特征圖。
第二個Stage：輸入圖像，經過卷積46*46*32（紋理特征），之后綜合前一個Stage的結果進行連接。得到46*46*48（35+15+1（中心約束））之后再卷積得到，46*46*15.
第三個Stage之后：直接拿到第二個Stage的中間結果，卷積成46*46*128.分成四個46*46*32和前一個階段性預測結果進行卷積。
Center Map：在人的周圍加上一個高斯響應。Stage2之后都會有一個Center map的聚攏。提前生成的高斯函數模板，用來把響應歸攏到圖像中心。
二：.用各部件響應圖來表達各部件之間的空間約束。
響應圖和特征圖一起作為數據在網絡中傳遞。
三：中繼監督：
