本书以人体视觉理解为核心，系统地探讨了多数据源多任务学习在该领域的应用与挑战。提出了一种创新方法——混合监督学习，混合监督学习通过共享主干网络，端到端地实现人体检测、实例分割、人体解析、姿态估计、密集姿态估计和实例级人体部位检测6项任务的高效建模与预测，针对当前方法存在的精度与效率不足、任务间梯度竞争、多数据源适应性差等问题。本书提出了梯度均衡策略、实例级迁移学习、解析区域卷积网络和注意力激发感受野模块等创新技术，实验结果表明，混合监督学习在精度和效率上显著领先现有方法。