【接下来的方向】二零一九年七月八日

1. 对于OpenPose

1. 考虑半截手势的识别方法，增加识别点？对边缘区域特殊判断？
2. 考虑修改损失函数，对损失函数进行优化（总结各类范式）
3. 考虑NP-Hard问题的不同解决方法

2. 问题的总结

1. openpose中（3），（4）公式的W§真的不是权重公式吗？
   原文： W is a binary mask with W§ = 0 when the annotation is missing at an image location p. The mask is used to avoid penalizing the true positive predictions during training.
   翻译：
   W是一个二进制掩码，当图像位置p缺少注释时，W§ = 0。
   分析：
2. l^m_cls是如何定义网络强度的？不同模态的网络是没法直接比较的。
   原文： Proportional to the classification performances of networks m and n, this parameter scales the SSA loss to focus on transferring positive knowledge.
   翻译： 该参数与网络m和n的分类性能成正比，对SSA的损失进行缩放，使其侧重于正向知识的传递。
   分析： 着重于“分类性能”的表示，而不是对分类结果进行表示。是否可以认定，这就是分类正确率进行某些操作得到的值呢？