年轻人起来冲

人体关节之间是存在一定的关系的，传统做法是使用马尔科夫模型构建他们之间的关联。CPM 没有使用该方法，而是使用卷积去提取关节之间的关系。主要思路是将网络结构分为多个 stage，其中第一个 stage 会产生初步的关键点的检测效果，接下来的几个 stage 均以前一个 stage 的预测输出和从原图提取的特征作为输入，最后使用多 satge 监督网络训练

总结. Net 的基础认识

本文总结自己目前对实例分割 的认识，和学习过程

YOLACT (You Only Look At CoefficienTs) 是第一个用于实例分割的实时模型，首先通过类似目标检测模型生成 anchor 的预测结果 + 一批 prototype mask，然后根据 anchor 的结果线性组合 prototype mask 得到当前目标的 mask

本文总结如何在 CSharp 调用动态链接库

yolactplusplus 通过引入可变形卷积、使用更多的 anchor、重新生成的 Mask scoreing 分支等措施，改进了 yolact 模型

SOLO 是实例分割全新赛道的论文，以前的方式是先检测出实例框，然后在实例框内分割目标，而 SOLO 基于最后一层 featrue map (SxS) 位置确定实例，然后通过 mask 分支生成 S^2 个 mask, 表示最后一层 featrue map (SxS) 所有 grid 对应的分割结果，汇总所有 grid 的结果，就是实例分割结果

SOLOv 2 是在 SOLO 的基础上设计的网络，主要是将 mask 预测分支解耦成掩码核预测（Mask kernel branch）和掩码特征学习（Mask
feature branch），分别负责生成卷积核和需要卷积的特征映射，使得 mask 分支生成速度更快，最后也提出 Matrix-nms 快速过滤结果

目标检测中样本匹配发展过程