《MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual Network》论文阅读

最新推荐文章于 2020-05-24 11:19:48 发布

原创

最新推荐文章于 2020-05-24 11:19:48 发布 · 822 阅读

4 ·

CC 4.0 BY-SA版权

MultiPoseNet是一种新型的自下而上的多任务模型，用于快速多人姿态估计。通过Pose Residual Network（PRN），它能同时处理人体检测、关键点检测、人分割和姿态估计。相比其他自下而上的方法，MultiPoseNet在COCO关键点数据集上的精度提高了4点MAP，速度提高了4倍，实现了23帧/秒的实时性能。

MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual Network

Abstract

在本文中，我们提出MultiPoseNet，一种新的自下而上的多姿态的人，结合了一种新的分配方法多任务模型估计架构。 MultiPoseNet可以共同处理人员检测，关键点检测，人员分割和姿态估计问题。新颖的分配方法由接收关键点和人检测，并通过向人实例指派关键点产生准确的Pose Residual Network（PRN）实现。在COCO关键点的数据集，我们的姿态估计方法无论在精度还是速度，都优于以前所有的自下而上的方法（比以前的最好成绩+ 4点MAP）;而它还比最好的自上而下的方法至少快4倍。我们的方法是最快的实时系统，23帧/秒。源代码可在：https://github.com/mkocabas/pose-residual-network

1 Introduction

这项工作的目的是估计的二维（2D）多人在给定的图像中的姿势。任何解决这个问题必须解决几个子问题：检测身体关节（或keypoints，他们在COCO [1]数据集上的称呼），例如手腕，脚腕，等等，这些接头分组到人的情况下，或检测人并分配关节到人的实例。根据其子问题首先解决，先后有多人2D估计两种主要方法：自下而上和自上而下的。自下而上的方法[2-8]首先检测体关节，而无需任何知识，以人或人的位置的数目。接下来，检测关节分组，以形成对人的情况下，个人的姿势。在另一方面，自顶向下的方法[9-12]通过检测人首先，