开源实现
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，没有training）
论文原文下载地址：https://www.researchgate.net/publication/301880946_Convolutional_Pose_Machines
论文阅读笔记：
思路：通过关键点的连线判断四肢的方向和位置（比如，手肘，肩膀，手腕，膝盖，脚踝，臀部等14个关键点）。（但是我觉得关键点的难度应该是在人体的姿势变化大，关键点不清晰和被遮挡等问题上）
摘要：姿势识别即关键点定位技术， a sequential architecture（序列化结构。把一个网络分成几个序列化的模块）组成卷积的网络，在特征图上进行一系列的操作。解决组合序列化的模块，一旦网络过长，可能会出现梯度消失的现象，可能会杀死前面的序列的问题。将训练结果在多个数据库上进行评估。
方法：
1. 序列化网络：
详见核心和特色：sequential网络架构。
2.Keypoint Localization
第一个Stage：14个特征图，就对应14个关键点，特征图预测每个点在图像中每一个部位的概率。
3.Sequential prediction：
感受野大小9*9,26*26,60*60..........,400*400（经过卷积之后，能看到的区域越来越大，可以更好地得到上下文信息，能看到更大的感受野，就有更高的准确率）分多个stage的好处就在于加卷积的时候，感受野越来越大。
纠错：关键点之间是互相影响的，要分辨出不同的关键点，需要更大的感受野通过其他关键点信息判断关键点。
如何得到更大的感受野：
1）加更多的卷积层，网络越深，最后一层卷积层看到的越向前，获得的感受野更大。
2）增大kernel size。
4.关于梯度下降的问题：
卷积层多了，就会出现梯度消失的问题。
Intermediate Supervision方法：
红色是正常传，epoch是每一次迭代，传到Stage2梯度就无法再变化了。
我理解的Intermediate Supervision：每一个阶段的Stage都已经有一个结果了，得出每个Stage的Loss，Loss1,Loss2.Loss3,每一层都有一次监督，每一层都能有参数的更新。
5.训练：
1.Loss Function：
Grand Truth：一个点的坐标与标准的欧氏距离。
在每一个关键点的真实位置上，放置一个高斯响应。标定后生成label数据。
2.数据拓展：
为了丰富训练样本，对原始图片进行随机旋转缩放镜像。
论文核心思想和特色：
一．Sequential网络的架构：
1. 在每一个尺度下，计算各个部件的响应图
2. 对于每个部件，累加所有尺度的响应图，得到总响应图
3. 在每个部件的总响应图上，找出相应最大的点，为该部件位置
六个Stage，
第一个Stage：输入图像，经过卷积得到46*46*15（14+1，14为关键点，1为背景）的特征图。
第二个Stage：输入图像，经过卷积46*46*32（纹理特征），之后综合前一个Stage的结果进行连接。得到46*46*48（35+15+1（中心约束））之后再卷积得到，46*46*15.
第三个Stage之后：直接拿到第二个Stage的中间结果，卷积成46*46*128.分成四个46*46*32和前一个阶段性预测结果进行卷积。
Center Map：在人的周围加上一个高斯响应。Stage2之后都会有一个Center map的聚拢。提前生成的高斯函数模板，用来把响应归拢到图像中心。
二：.用各部件响应图来表达各部件之间的空间约束。
响应图和特征图一起作为数据在网络中传递。
三：中继监督：
