cpm算法就是通過級聯stages，即通過stage2優化stage1得到的predict結果，stage3優化stage2，以此類推，一步一步refine predict得到最後的predict結果，原理如下圖：
stage1中，圖像image（論文把圖像歸一化爲368×368） 通過卷積和池化X，提出圖像的特徵（尺寸爲46x46，有三個池化pool，所以縮小8倍），在經過兩個1X1卷積，得到stage1的predict result（46X46X(P+1)），其中P爲骨架特徵點數，+1是背景，stage2中，圖像image（論文把圖像歸一化爲368×368）經過X’，得到46X46X32特徵圖，並把stage1中得到的predict result
concat一起，再經過五個卷積層，得到stage2的predict result （46X46X(P+1)），重複stage2,重複的優化，得到最終的結果。
gt heatmaps是特徵點的高斯點，所有的stage都有監督訓練，loss採用的是l2範數，如下所示：
