Stacked Hourglass Network for Human Pose Estimation

最新推荐文章于 2025-10-17 14:43:40 发布
原创 最新推荐文章于 2025-10-17 14:43:40 发布 · 2.3k 阅读 · 3 ·
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：

#Hourglass #深度学习 #姿态估计

本文详细介绍了Stacked Hourglass Network在人体姿态估计中的作用，包括网络结构、论文思路、实验再现及可能的改进方向。网络结构采用Residual模块预处理和Hourglass结构，通过多尺度特征地图捕获细节。实验显示，在MPII数据集上取得了平均92.4%@PCKh-0.5的优秀成绩，但仍有优化空间，如减少网络规模以适应不同设备。

Stacked Hourglass Network for Human Pose

在Stacked Hourglass Network被提出之后，我们可以看到有很多论文如雨后春笋般冒出来。可谓说Hourglass的结构性能之好。其网络结构灵活，易于扩展，并且有开源实现的代码，使得这个网络模型变得非常火热。原文链接Stacked Hourglass Network for Human Estimation Pose

Stacked Hourglass Network for Human Pose Estimation

网络结构

网络总体思路是受ResNet的思路影响，希望综合考虑各尺度下不同的feature来让网络学习姿态。我们可以将整个网络分为两个部分。第一个是预处理部分，也就是由Residual module组成的部分。这一部分主要是类似CPM中FeatureExtractor的作用。具体的实现中，作者使用了三个Res Module来完成整个预处理的功能。
Residual Module
另一部分就是SHN经典的部分，也就是沙漏结构。如下图所示。
hourglass
其中的block都是res module。我们可以看到，文章使用了 多个尺度 的feature map作为旁枝，逐步将网络深入，最终触底后

最低0.47元/天 解锁文章
Paperreading之五  Stacked Hourglass Networks(SHN)和源码阅读（PyTorch版本）
baolinq的博客
11-27 4168
1.前言 这篇文章是ECCV2016的论文，Jia Deng组的工作，是top-down算法，非常经典，当时也是在各种公开数据集上霸榜。在FLIC和MPII上都是第一名（在当时），是sota算法。现在很多关于姿态估计的论文都有参考SHN或者会拿他作对比，可以说是比较典型的姿态估计算法。 2. 网络结构 SHN网络名字起的很不错，级联的沙漏网络，顾名思义，沙漏网络就表示该网络具有高度对称...
堆叠沙漏网络（stacked hourglass network）学习
Cristina的博客
09-13 1565
Stacked Hourglass Networks是2016年密歇根大学提出的经典网络架构。是曾经最具代表性的姿态识别SOTA之一。
人体姿态估计（Human Pose Estimation）
最新发布
weixin_42849849的博客
10-17 1094
人体姿态估计（Human Pose Estimation）是计算机视觉中的一个重要任务，旨在从图像或视频中检测人体关键点（如关节、头部、手肘、膝盖等）的位置，并构建人体的骨架结构。近年来，随着深度学习的发展，该任务的精度和效率显著提升，广泛应用于动作识别、人机交互、虚拟现实、体育分析、医疗康复等领域。🔗 官网：https://developers.google.com/mediapipe。🔗 论文：https://arxiv.org/abs/2204.12484。🔗 模型可在 MMPose 中直接调用
Stacked Hourglass Networks
qq_28778507的博客
06-12 1100
终于跳进人体姿态估计的坑了，本篇文章来源于ECCV2016。 论文链接 它的亮点是通过反复上采样和下采样，不断地融合空间信息，这样就可以把各个关键点的信息连贯地融合到一起，最后输出基于像素点的预测，它是一个singel pipeline，其中feature map最小的是4 * 4。 它的设计如图3：经由卷积层和max pooling层将feature map降至较低的分辨率，在Max pool...
Stacked Hourglass Networks - 堆叠沙漏网络结构详解
热门推荐
mlking200专栏
07-23 5万+
1.概述 姿态估计（pose estimation）在计算机视觉领域是一个非常重要的方向，人类动作理解，人机互动等等应用都需要精确的姿态识别。目前，绝大多数的2d姿态识别都是识别人体的关键点，比如，给定一张普通的RGB图像，算法会给出人体的脚踝，胳膊，面部等区域的关键点（keypoint）目前，基于stacked Hourglass Model的各种变种算法，牢牢占据了姿态检测的半壁江山，所以，...
Stacked Hourglass Networks 理解
ggyy的NoteBook
07-22 5934
文章目录介绍原理结构残差模块单沙漏模块一阶Hourglass二阶HourglassN阶Hourglass堆叠沙漏模块中间监督Volumetric Regression Network(VRN) 介绍 Stacked Hourglass(Stacked HG, 堆叠沙漏)网络最早出现在2016年的Stacked Hourglass Networks for Human Pose Estimation...
计算机视觉人体姿态估计——Stacked Hourglass Networks(Stacked Hourglass Networks for Human Pose Estimation)
weixin_51454889的博客
03-08 1289
本周周报系统学习了堆叠沙漏网络（Stacked Hourglass Networks）在人体姿态估计中的应用。该模型通过对称的沙漏模块设计，结合多尺度特征融合与中间监督机制，实现了对人体关键点的精准定位。重点分析了沙漏模块的递归降采样-上采样结构、跳跃连接保留原始特征的方法，以及堆叠多个沙漏模块实现渐进式优化的原理。此外，通过代码实践深入理解了自定义上采样层、残差模块的实现细节，以及中间监督如何提升模型训练效果。学习内容覆盖了模型架构设计、关键算法实现及训练策略优化。
Hourglass Network - stacked hourglass network for human pose estimation 论文解读
JerryZhang__的博客
08-03 770
paper title: stacked hourglass network for human pose estimation paper link: https://arxiv.org/abs/1603.06937 oral or demo video：- project: - github:https://github.com/princeton-vl/pose-hg-train conf ...
Stacked Hourglass Networks for Human Pose Estimation 用于人体姿态估计的堆叠沙漏网络
Joining667的博客
04-13 1697
本文主要是介绍了一个在当时是新的姿态估计的网络结构。由于本人在研究自动驾驶领域中车道线识别时使用到此网络结构，故这里主要是对整个网络的结构和思想进行一个梳理，可以进一步明白后序一些基于此网络结构的工作，不涉及到 姿态估计领域 的一些见解和讨论，所以本文主要引出和介绍 hourglass 网络。
论文阅读 Hourglass:Stacked Hourglass Networks for Human Pose Estimation
weixin_43948744的博客
07-19 885
论文阅读 Hourglass:Stacked Hourglass Networks for Human Pose Estimation 文章目录 摘要 介绍 相关工作 准备工作 目标看作点 3D检测 人体姿态估计 执行细节 实验 目标检测 额外实验 摘要  本文介绍了一种新的卷积网络结构。为了最好的捕捉与身体相关的各种空间关系，所有尺度的特征都被处理和整合。我们展示了重复的自底向上、自顶向下的处理过程与中间监督结构一起使用是如何有效改善网络性能的。我们将该体系结构称为堆叠的沙漏网络，该网络
Stacked Hourglass Networks - 堆叠沙漏网络结构
Lison_Zhu's Blog
08-09 1600
https://blog.youkuaiyun.com/wangzi371312/article/details/81174452
Python-用于单人姿势估计的StackedHourglassNetwork的Keras实现
08-11
用于单人姿势估计的Stacked Hourglass Network的Keras实现
Stacked Hourglass Networks for Human Pose Estimation
qq_25379821的博客
12-01 544
介绍 这是一篇2016年做单人姿态估计的文章 实验用的是MPII sigle 和 FLIC ，指标PCKh 通过堆叠沙漏结构的网络进行人体姿态估计 沙漏结构指通过pooling得到低分辨率的特征，然后通过上采样得到高分辨率特征的网络结构 论文指出该网络可以捕获并控制图像所有尺度上的信息。 另一方面，沙漏网络区别于先前的设计，主要在其更对称的拓扑结构。 通过连续堆放这样的沙漏网...
stacked hourglass network改进方向
03-23
作为一种用于人体姿态估计的深度学习网络，stacked hourglass network已经取得了很好的效果。但是，仍然有一些改进方向可以探索，包括以下几个方面： 1. 更好的特征提取：当前的stacked hourglass network主要使用...
评论 9
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