骨架检测方法综述

最新推荐文章于 2024-05-09 10:41:25 发布

best_scenery

最新推荐文章于 2024-05-09 10:41:25 发布

阅读量1.3k

点赞数

分类专栏：骨架检测

本文链接：https://blog.youkuaiyun.com/best_scenery/article/details/104673998

版权

传统方法

自上而下
人体检测 + 单人人体关键点检测
代表性方法：G-RMI, CFN, RMPE, Mask R-CNN, and CPN
mask rcnn的检测+分割框架很适合用来做关键点检测，将关键点进行one-hot mask编码，针对k个关键点会预测k个mask。
实现细节为，训练时采用mm的mask，仅标注一个像素作为前景，对每一个关键点采用最小化的交叉熵损失函数进行训练，即鼓励每个mm的图像仅检测一个关键点。在实例分割时，关键点也是各自独立分割的。
头部的网络结构为256个33的卷积，反卷积、双线性上采样层，最后输出5656的mask，相比实例分割，人体关键点检测需要更高的分辨率以实现关键点的准确定位。
自下而上：关键点检测+关键点聚类（将关键点聚合成人体）
关键点聚类方法：PAF, Associative Embedding, Part Segmentation, Mid-Range offsets
总体而言，自上而下的方法要好于自下而上的方法，因为自上而下的方法加入了整个人体作为空间先验，而自下而上的方法没有建立人体的整体空间关系，仅建模了局部空间关系，因而准确率不及自上而下的方法。自上而下的方法计算代价较大，且与图片中的人体数量成正比。