胭脂草的ABC博客

Learning Feature Pyramids for Human Pose Estimation（理解） 0 - 背景 　　人体姿态识别是计算机视觉的基础的具有挑战性的任务，其中对于身体部位的尺度变化性是存在的一个显著挑战。虽然金字塔方法广泛应用于解决此类问题，但该方法还是没有很好的被探索，我们设计了一个Pyramid Residual Module（PRMs）来提高DCNNs的尺度不变性。 　　并且我们发现现存的初始化方法并不适用multi-branch的网络，我们在当前的权重初始化方法上提出

数据获取的方式： 1、benchmark，是一个行业的基准，里面包含很多数据库和论文，代码，源码，结果。 face detection benchmark Mpll benchamark 2、优秀论文，通常实验阶段都会介绍它所使用的数据集，公开数据集可以下载。申请数据集时候，最后使用学校邮箱 3、论坛或者交流社区 人脸：thinkface 4、数据规模，越大越好。数据量2万到3万 人脸识别： 对于正样本：裁剪的操作，根据坐标把人脸裁剪出来。可用opencv工具来制作人脸数据。要检查，看看数据是否有问题，否