openpose plus
| Single-Network Whole-Body Pose Estimation ICCV2019
与openpose相比，速度准确度都有提升。在结构上，并行变串行。
网络流程：输入RGB图片---- VGG ---- 得到特征图F ---- CNN ---- 预测肢体向量热图L ---- 与F融合进入下一阶段 ---- CNN ---- 预测关节点热图S ---- S进行NMS ---- 图匹配 ---- 姿态
关于提升速度：
网络结构并行变串行，参数量明显下降。
关于提升精度：
1，对于人脸和手，分辨率通常较低，导致定位不准，作者提升了输入分辨率。姿态估计任务定位身体关节点的性能受感受野大小的影响，感受也越大越能感知人整个的身体结构，所以输入分辨率越大，网络应该更深，来维持较高的感受野。
2，将关节点分成四个集合：人脸，手，身体和脚，肢体向量也做同样处理。处理关节点数量不平衡，可以mask，可以扩增少出现关节点；为多任务训练，构建多个数据集。
