其他部分翻译参考博客：https://blog.csdn.net/weixin_37993251/article/details/88043650 主要方法介绍： 3、APPREOACH 人体姿态估计(Human pose estimation)又称关键点检测(keypoint detection)，其目的是检测K个关键点或部件的位置（如弯头、 手腕等)从大小为W×H×3的图像I中。最先进的方法将这个问题转化为估计K个大小为W‘×H’的热图，{H1，H2，…，Hk}，其中每个热图Hk表示第k个关键点的位置置信度。 我们遵循广泛适用的pipeline[40, 72, 11]使用卷积网络预测human keypoint。
Sequential multi-resolution subnetworks 作者说明现有的网络是顺序串联的high-to-low network,即从原始图像高分辨率到低分辨率（高层特征）是分辨率连续降低的。 Parallel multi-resolution subnetworks 作者提出用并联的网络，在不同路由间进行特征融合。
Repeated multi-scale fusion 在做重复多尺度特征融合阶段，作者引入了exchange units（交换单元）策略，即在并联的子网络间，每个子网络还重复的接受额外的信息从其他的并行网络中。 交换单元由上采样upsamping 或者下采样downsampling构成。
Heatmap estimation 我们仅从最后一个交换单元输出的高分辨率表示返回热图，这在经验上运行得很好。损失函数定义为均方误差，用于比较预测的热图（predicted heatmaps）和真实热图（groundtruth heatmpas）。真实热图是采用二维高斯分布，以每个关键点的真实位置为中心，标准差为1像素生成的。
Network instantiation 根据ResNet的设计规则，将深度分布到每个阶段，将通道数分布到每个分辨率，实例化了关键点热图估计网络。 主干网络包含四个阶段有4个并行子网络，其对应的分辨率减半，但相应的通道数增倍，第一个阶段包含4个残差单元，每个单元与ResNet-50相同，由一个宽度为64的瓶颈构成，然后进行一个3×3的卷积，将feature map的宽度减小到C。第二、三、四阶段分别包含1、4、3个交换块。一个交换块包含4个残差单元，其中每个单元在每个分辨率中包含两个3×3的卷积***，1个交换单元跨分辨率。综上所述，共有8个交换单元*，即，进行了8（4*2）次多尺度融合。 试验中的网络，HRNet-W32和HRNet-W48，其中32和48分别代表高分辨率子网在最后三个阶段的宽度（C）。其他三个并行子网的宽度为64、128、256为HRNet-W32， 96、192、384为HRNet-W48。
Training 我们将人体检测盒的高宽比扩展到固定的长宽比：高：宽= 4:3，然后从图像中裁剪出盒子，调整为固定的大小，256×192或384×288。 数据增强策略： random rotation（[-45,45]）、random scale（[0:65; 1:35]）、flipping、 Following [68], half body data augmentation is also involved。 其他参数参照论文，没什么可介绍的。 Testing 将人检测出来，再裁剪出来，送入关键点检测网络中 论文中的其他实验不在添加，论文中数据很明了。
