Bestehende Ansätze zur Pose-Schätzung lassen sich in zwei Kategorien einteilen: einstufige und mehrstufige Methoden. Obwohl mehrstufige Methoden anscheinend besser für diese Aufgabe geeignet sind, ist ihre Leistung in der aktuellen Praxis nicht so gut wie die von einstufigen Methoden. Diese Arbeit untersucht dieses Problem. Wir argumentieren, dass das unzufriedenstellende Ergebnis der aktuellen mehrstufigen Methoden auf Mängel in verschiedenen Design-Entscheidungen zurückzuführen ist. Wir schlagen mehrere Verbesserungen vor, darunter die Modulgestaltung für einstufige Verfahren, die Feature-Aggregation über verschiedene Stufen hinweg und die Überwachung von grob zu fein (coarse-to-fine). Die resultierende Methode etabliert den neuen Stand der Technik sowohl im MS COCO als auch im MPII Human Pose-Datensatz, was die Effektivität einer mehrstufigen Architektur bestätigt. Der Quellcode ist öffentlich zugänglich für weitere Forschungen.