基于CNN的人体姿态估计领域的综述

1.DeepPose（由谷歌专家首次提出的用于人体关键点定位的解决方案）
2.Joint-cnn-mrf（在卷积神经网络框架中引入条件随机场以对位置信息进行建模，并提出热力图方法）
3.SpatialDropout （LeCun团队首次将多尺度策略应用于人体关键点识别任务）
4.Optical Flowing（首次将光流特征融入二维关键点检测系统）
5.CPM（一种空间特征学习装置，不再依赖马尔科夫模型对空间关系进行建模）
6.IEF （采用错误迭代反馈机制，摆脱了对马尔科夫模型构建空间联系的依赖）
7.Deepcut & Deepercut（针对伪多人关键点检测问题提出的方案）
8.Hourglass（首个通过模块化堆叠构建的人体姿态估计网络架构）
9.Pose Attention(基于Hourglass网络，引入注意力机制，并以条件随机场替代softmax函数)
10.PyraNet（依托Hourglass结构，设计出特征金字塔体系）
11.MSSA（基于Hourglass架构，融合多尺度特征与掩码训练策略）
12.G-RMI（作为单人关键点检测的基础框架，包含大量基础性思想）
13.Global and Local Normalization（实现肢体归一化处