HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation (CVPR2020)

MatthewHsw

于 2020-03-13 23:25:45 发布

阅读量3.2k

点赞数 3

分类专栏： HumanPoseEstimation 文章标签： HRNet HigherHRNet Bottom-Up MultiPersonPose

本文链接：https://blog.youkuaiyun.com/Murdock_C/article/details/104851289

版权

HigherHRNet是HRNet的升级版，它在底向上的人体姿态估计任务中表现出色。通过增加反卷积层，提升特征图分辨率，从而提高了预测精度。HigherHRNet采用多分辨率监督，利用不同尺度的heatmap融合实现对不同大小人物的准确定位。在COCO和Crowd Pose数据集上，HigherHRNet达到了最先进的结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

official pytorch code
paper link
恭喜文章被CVPR 2020接收。本来19年的时候在arxiv上找到了这篇文章，当时还是叫做"Bottom-up Higher-Resolution Networks for Multi-Person Pose Estimation"，今天一看arxiv上已经更新到v3了，名字也改了。

HigherHRNet是在HRNet和Simple baseline工作的基础上形成了。HRNet因其可以一直保持一个high resolution way来提取feature，提取的feature效果很好，从而可以用在pose estimation，object detection，semantic segmentation等工作上，具体可以查看here. HigherHRNet则更进一步，因为之前simple baseline的工作证明了，通过反卷积得到更高分辨率的featuremap有助于pose estimation效果的提高，因此，HigherHRNet就是在HRNet原本输出的featuremap基础上，额外加入了一个反卷积，使得模型的输出size进一步提高，pose estimation效果更好。HigherHRNet的具体网络结构如下图所示：在这里插入图片描述
虚线后面就

最低0.47元/天解锁文章