Stacked Hourglass Network for Human Pose
在Stacked Hourglass Network被提出之后，我们可以看到有很多论文如雨后春笋般冒出来。可谓说Hourglass的结构性能之好。其网络结构灵活，易于扩展，并且有开源实现的代码，使得这个网络模型变得非常火热。原文链接Stacked Hourglass Network for Human Estimation Pose
网络结构
网络总体思路是受ResNet的思路影响，希望综合考虑各尺度下不同的feature来让网络学习姿态。我们可以将整个网络分为两个部分。第一个是预处理部分，也就是由Residual module组成的部分。这一部分主要是类似CPM中FeatureExtractor的作用。具体的实现中，作者使用了三个Res Module来完成整个预处理的功能。
另一部分就是SHN经典的部分，也就是沙漏结构。如下图所示。
其中的block都是res module。我们可以看到，文章使用了 多个尺度 的feature map作为旁枝，逐步将网络深入，最终触底后。之后仿照ResNet，逐步上采样并加和对应尺度的feature map。
在论文中，作者又提出了也可以将SHN进行串联
上图的蓝色部分是输出的heatmap。我们可以看到，hourglass module的输入是上个stage的remap之后的heat map，feature map和最开始res module的三者加和。这样一来，整个网络的结构就大致讲清楚了。
论文思路
在CPM当中，我们曾经提出过扩大感受野对于人体姿态估计是非常重要的，这一点在本篇文章中也得到了很大的重视。我们可以看到，作者在网络的中间层使用了FE得出的feature map，也就是使用了 原图提供的信息 。同时我们还看到作者在中间网络中 使用了remap之后的heat map作为下个stage的参考依据 ，同时还加入了本stage的feature map ，这个是与CPM不同的一点。
我认为虽然具体结构和CPM看起来差之甚远，然而实则都反映了在人体姿态上的两个最主要的思路：
- 扩大感受野
- 使用先前估计的结果Coarse2Fine一个个stage进行优化
这两点对于之后改进网络甚至于重新设计网络都是一个很好的启发，并且可以顺着如此的思路对网络进行改进，并提出自己的解决方法。
实验再现
目前在MPII上使用论文中的方法，达到了平均92.4%@PCKh-0.5的成绩。目前没有上传结果，并且还希望能够使用COCO数据集来测试性能。
改进思路
网络在预处理部分使用了一个7*7 stride2的大核来缩小输入尺寸。其缘由还是因为网络参数过于庞大。看来在相关领域，使用state-of-art方法的话，应用上还是有一定的设备门槛的。可以从在保持性能下降不多的前提下，减小网络体积。
「实验的结果在之后补全」