一亩半分地

本文介绍了Convolution Poase Machine所follow的论文Pose Machine，这篇论文声称能够解决关节遮挡问题。此外论文解决的方式也很新颖通过多类分类器的级联实现关节的逐步精确

王晓刚组的论文CVPR2016一、论文所解决的问题本文要解决的是在CNN中如何对关节之间的依赖进行建模，主要是引入几何变换核（单单用几何变换核，是不行的，因为会受到关节之间的距离限制，所以后面提出了双向树模型），这个核是用在卷积层的。此外还提出了双向的树结构模型（还是传统的基于图模型的玩法,将关节的树模型集成进了CNN，所谓的树模型就是把人的关节看成是一个树状的模型），这样每个关节的fea

CVPR2016 Personalizing Human Video Pose Estimation个性化的人的姿态估计问题，小样本的姿态估计

human pose estimation DPMEnd-to-End Learning of Deformable Mixture of Parts and Deep Convolutional Neural Networks for Human pose estimation

回复式神经网络的发展以及应用，首先介绍了最简单的前馈神经网络，然后介绍回复式神经网络的发展历史，接着给出了回复式神经网络的训练方法，最后给出现代回复式神经网络的架构和种类以及应用。

作者：Sainbayar Sukhbaatar Arthur Szlam Jason Weston Rob FergusNew York University Facebook AI Research New YorkFollow 的论文：MEMORY NETWORKS， Jason Weston, Sumit Chopra & Antoine Bordes  Facebo

一、论文所解决的问题实现长期记忆（大量的记忆），并且实现如何从长期记忆中读取和写入，此外还加入了推理功能为什么长期记忆很重要：因为传统的RNN连复制任务都不行，LSTM估计也够玄乎。在QA问题中，长期记忆是很重要的，充当知识库的作用，从其中获取长期记忆来回答问题上面这个问题就是，当遇到有若干个句子并且句子之间有联系的时候,RNN和LSTM就不能很好地解决，以为是长期依赖，需要从

CVPR2016 accepted paper list

本文的脑洞开的比较大，介绍了一种使用RNN来进行场景识别的方法，通过使用强化学习的方法来控制摄像头的移动，通过RNN来对场景图像序列进行识别得到场景的类别。

本文介绍了基于Poselets的关节提取方法，该方法将Pictorial Structure方法和Poselets的方法进行融合，从而更好地提取关节的位置。

论文阅读: ECCV2016 Chained Predictions Using Convolutional Neural Networks作者：Georgia Gkioxari, Alexander Toshev Navdeep Jaitly 本文介绍了一种通过预测每一步所走的长度来逐步解决人的姿态估计问题问题解决的思路很新颖，但是实际的实现却很dirty。。。