论文解读-Stacked Hourglass Networks for Human Pose Estimation

本文解读经典论文Stacked Hourglass Networks,探讨如何利用局部和全局信息进行人体姿态估计。网络结构包含对称的沙漏模块,通过中间约束加速收敛,并通过堆叠模块学习更高阶的空域结构。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


在上一篇文章中,笔者解释了对OpenPose人体关键点检测算法的思考,它是一种“bottom-to-up”的人体姿态估计算法。为了对人体姿态估计这个方向有更加深刻的认识,笔者查阅了2018年的三大顶会(CVPR/ICCV/ECCV)的文章,发现很多新的论文都是基于“Stacked Hourglass Networks”所做的改进,于是笔者认真阅读了这篇经典文章,有了一些自己的理解,故这里记录下来。

1 动机

对于人体姿态估计任务,也即检测人体的骨骼关键点,显然需要获取图像的local 细节信息,但是对于下面这张图,由于梅球王的右腿膝盖位置被遮挡了,导致局部细节信息丢失,这个时候怎么办呢?考虑人眼的视觉系统,我们是基于身体其它部位推断出右腿膝盖位置的,从理论角度来讲,是基于被遮挡点的全局上下文信息(global context),推断当前被遮挡点的位置的。

因此,应对人体姿态估计任务,需要同时利用局部信息和全局信息
在这里插入图片描述

2 网络结构

浅层特征对应了图像的局部信息,深层特征对应了图像的全局信息。为了获取不同尺度的特征信息,借鉴目标检测任务的思路,有两种常用的做法,图像金字塔和特征金字塔。论文中采用了特征金字塔的方式,将浅层和深层特征做融合,来预测人体关键点。

2.1 单一沙漏模块

单个沙漏模块的网络结构如下图,
在这里插入图片描述
大家看该网络的结构,第一印象是不是感觉很美呢?因为整个网络结构是对称的,输入

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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