【系列论文研读】Pose Estimation

最新推荐文章于 2025-11-24 09:36:30 发布
原创 最新推荐文章于 2025-11-24 09:36:30 发布 · 1.2k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#姿态估计 #神经网络 #论文

本文主要探讨了姿态估计的问题定义，介绍了两种主要方法：自顶向下和自底向上，并详细阐述了几篇重要的论文，包括DeepPose、Stacked Hourglass Networks、Convolutional Part Heatmap Regression、FAN、CPN以及Fast Human Pose Estimation。这些工作通过深度神经网络解决关节定位挑战，提出了联合回归、多层网络结构和注意力机制等创新技术。

Human Pose Estimation

一、Definition：

  • defined as the problem of localization of human joints
  • challenges of this problem – strong articulations, small and barely visible joints

 

二、Two methods:

  1. Top-down：Locate Person -> Locate Joints
  2. Bottom-up： Locate All Joints -> which person

 

Paper

一、DeepPose（cvpr2014）

Title：DeepPose: Human Pose Estimation via Deep Neural Networks

Author：Alexander Toshev, Christian Szegedy (Google)

Main contributions:

1、formulate the pose estimation as a joint regression problem

              Using the entire image as input for each joint.

2、propose a cascade of DNN-based pose predictors

 

Method：

pose vector:

A labeled image:

最低0.47元/天 解锁文章
全网最细的OpenPose姿态估计（Pose Estimation）
FJN110的博客
06-25 278
人体姿态估计（Human Pose Estimation，HPE）是计算机视觉领域的核心任务之一，旨在通过静态图像或视频序列自动检测并定位人体的关键关节（如头部、颈部、肩膀、肘部、手腕、髋部、膝盖和脚踝等），进而重建人体的二维或三维骨架模型。精确的姿态估计对于动作识别、虚拟现实、增强现实、人机交互、运动分析、智能监控等应用场景具有重要价值。
Human Pose Estimation 入门
qq_45776432的博客
11-10 779
Human Pose Estimation入门 （主要介绍内容是3D形态重建）
【人体姿态估计】articulated pose estimation基础知识、博客、论文、数据集等资料整理
a529975125的博客
06-28 4178
人体姿态估计资料整理 目录 1. 基础知识 1.1相关术语 2. 博客 3. 论文 4. 数据集 基础知识 相关术语 articulated pose estimation: 关节姿态估计 博客 论文 《Convolutional Pose Machines》（CPM） CVPR-2016 The Robotics Institute ...
Fast single shot detection and pose estimation 论文笔记
白菜的博客
10-30 1328
建立了一个卷积网络以提供检测和视角（pose）估计
PyTorch-CUDA镜像运行Pose Estimation姿态估计
最新发布
weixin_36427956的博客
11-24 226
本文介绍如何使用PyTorch-CUDA Docker镜像快速部署姿态估计模型，解决GPU环境配置难题。通过容器化技术实现环境一致性与高效推理，涵盖从模型运行、Web服务搭建到生产优化的全流程，助力AI工程化落地。
pose_estimation
06-11
手势识别代码 MATLAB 写的，从外面转过来的。。
OpenPose姿态估计（Pose Estimation）
噜噜噜噜鲁
10-29 2264
人体姿态估计通过图像或视频识别追踪人体关键部位重建姿态。主要方法有 TopDown 和 OpenPose。TopDown 分两步但存在缺点。OpenPose 先获关键点位置再拼接，利用热度图和高斯方法得关键点预测结果，通过 PAF 按顺序拼接关键点，利用权值确定连接，还介绍了 PAF 标签定义、权重计算和匹配方法。同时提到 CPM-Convolution Pose Machines 及整体框架。
姿态论文整理--04-Human pose estimation using global and local normalization
daniaokuye的专栏
11-25 1123
Human pose estimation using global and local normalization（中科大的论文）也是bottom-up，人体姿态估计分为两大部分，关节检测，关节的空间位置匹配。这篇论文主要将精力放到后者上面。对此提出了两阶段的归一化（感觉在这篇文章里面称为标准化更好），躯干的标准化，肢体的标准化。这篇文章的目的是想提出类似与PCA normalization（wh
《AWR Adaptive Weighting Regression for 3D Hand Pose Estimation》研读与实践
AlgoMonster的博客
07-14 1239
《AWR: Adaptive Weighting Regression for 3D Hand Pose Estimation》略读与实践 这是一篇深度图手部关键点坐标估计的文章（以下简称AWR），目的是利用带有关键点深度坐标的所谓3D heatmap来直接回归出21个手部关键点的三维坐标，相当于所谓结合detection-based和 regression-based 两种方法。至于说什么adaptability，其实就是所谓可微的heatmap，类似文章之后介绍SRN就知道了。 官方代码： https:
open pose2019 OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文翻译与原理理解
sunnyblogs的博客
09-10 1781
highlights： ①证明只有PAFs的优化有助于系统的性能和准确性。（之前的工作认为PAFs和body part location estimation共同作用才能促进系统优化） ②提出第一个组合body 和foot的detector（基于一个内部注释的脚部数据集，已开源） ③本文提出的组合检测器不仅减少了推理时间而且保持了每个部件的准确性 ④发布了openpose这一开源系统 Human pose estimation存在的挑战; first：用于检测的图片中的人的数量是未知的且无规律的 secon
【基于机械臂触觉伺服的物体操控】论文研读《Goal-Driven Robotic Pushing Using Tactile and Proprioceptive Feedback》
weixin_45728705的博客
11-02 970
基于机械臂触觉伺服的物体操控研究学习笔记
Image Matching：SuperGlue论文阅读笔记
qq_37662375的博客
05-21 2495
写在前面 SLAM这个领域有着及其详细的子领域划分，理论上是任何一个小部分都可以使用深度特征学习代替的，差别是谁代替的更加优雅 摘要 SuperGlue，一种通过联合寻找对应点和拒绝不可匹配点来匹配两组局部特征的神经网络。分配是通过解决一个可微的最优运输问题来估计的，其成本由一个图神经网络预测。引入了一种基于注意力的灵活上下文聚合机制，使SuperGlue能够联合推理底层 3D 场景和特征分配。与传统的手工设计启发式方法相比，SuperGlue通过图像对的端到端训练来学习 3D 世界的几何变换和规律性
POSE estimation，肢体估计HPE
u010451780的专栏
06-16 2303
http://www.elecfans.com/d/931144.html 从DeepNet到HRNet，这有一份深度学习“人体姿势估计”全指南 几十年来，人体姿态估计（Human Pose estimation）在计算机视觉界备受关注。它是理解图像和视频中人物行为的关键一步。 在近年深度学习兴起后，人体姿态估计领域也发生了翻天覆地的变化。 今天，文摘菌就从深度学习+二维人体姿态估计的开山之作DeepPose开始讲起，为大家盘点近几年这一领域的最重要的论文。 什么是人体姿势估计？ 人体姿态估计（
Segmentation-driven 6D Object Pose Estimation
qq_40378982的博客
03-22 361
目录1 物体分割2 关键点回归3 推理阶段 1 物体分割   物体分割网络分支基于encoder-decoder形似的网络，encoder部分采用了YOLOv3的Backbone Darknet-53，decoder部分并没有上采样得到原图尺寸的结果，所以分割的基本单位不是像素，而是文中所说的grid cell。 2 关键点回归   这里对物体6D位姿估计也是通过回归三维BBox的二维投影点坐标，不过并不是通过全局的回归，而是每个属于该物体的grid cell都进行关键点的回归。网络结构部分和分割分支一样
YOLOv7姿态估计（跟踪+检测+姿态估计+代码）
QQ_1309399183的博客
11-04 584
YOLOv7姿态估计（跟踪+检测+姿态估计+代码）
人体姿态识别-pose estimation
qq_turn
04-06 2281
6.1 介绍卷积网络
Summary——RMPE: Regional Multi-Person Pose Estimation
pan2635376816的博客
12-18 823
Research question： 如果单人的人体检测框不够准确，会影响多人体态估计的结果，本文就是要降低这种负面影响。 Contributions： 建立了一个 RMPE (Regional Multi-Person Pose Estimation)框架。 设计SSTN（symmetric spatial transformer network，对称空间变换网络），用于提升基于SPPE...
OpenCV-Python 姿态估计 | 五十
TensorFlowNews
03-12 2416
目标 在本章中 我们将学习利用calib3d模块在图像中创建一些3D效果。 基础 这将是一小部分。在上一次相机校准的会话中，你发现了相机矩阵，失真系数等。给定图案图像，我们可以利用以上信息来计算其姿势或物体在空间中的位置，例如其旋转方式， 对于平面物体，我们可以假设Z = 0，这样，问题就变成了如何将相机放置在空间中以查看图案图像。 因此，如果我们知道对象在空间中的位置，则可以在其中绘制一些2...
(4) Human Pose Estimation : 隐式学习结构信息 CPM
qq_17721239的博客
05-14 617
这样避免显式的添加结构先验，导致模型复杂，泛化能力低。目前大部分方法基于大感受野：扩大池化，增加卷积核，累加卷积层。但是过大的池化会牺牲精度，如果通过反卷积还原精度会添加额外信息。不断累加卷积层代价是梯度消失。增大卷积核相当于增加参数量，增加计算量。 成熟的设计思路包括，顺序卷积结构和基于沙漏网络结构。 1、顺序卷积结构：卷积姿态机：CPM 多阶段级联（cascaded）的深...
mamba pose estimation
12-31
mamba create -n pose_estimation python=3.9 pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` 这会创建一个新的虚拟环境中包含PyTorch和其他所需组件来支持GPU计算能力。 #### 数据...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值