pose estimation
关注
分享
扫一扫
steph_curry
这个作者很懒，什么都没留下…
展开
-
Fast Human Pose Estimation
CVPR19之前的人体位姿工作一般都是想办法提升精度，但是模型复杂度较高，效率低。本文目的是构建一个轻量化的模型，有较小的计算成本，同时保持较高精度。主要思路是将原始的hourglass做“瘦身”。这样网络参数量锐减，肯定是没办法充分学习的，精度会降低。因此解决方法是先预训练一个strong teacher network，其实就是原始的hourgalss，然后用这个teacher...原创 2019-06-07 13:23:06 · 492 阅读 · 0 评论 -
Multi-Person Pose Estimation with Enhanced Channel-wise and Spatial Information
CVPR19多人位姿估计。baseline是CPN。在CPN基础上添加了两个模块：Channel Shuffle Module (CSM)和Spatial, Channel-wise Attention Residual Bottleneck (SCARB)。a. CSM是在不同level的feature maps上做channel shuffel，目的是混合pyramid featu...原创 2019-06-07 23:18:01 · 592 阅读 · 0 评论 -
Cascaded Pyramid Network for Multi-Person Pose Estimation
CVPR 18CPN: GlobalNet + RefineNetGlobalNet一般只能估计简单的关节点，难的点交给RefineNet解决。后续看完CPN代码和FPN的文章再过来补充吧。原创 2019-06-07 23:57:32 · 183 阅读 · 0 评论 -
Rethinking on Multi-Stage Networks for Human Pose Estimation
COCO 2018 关键点检测第一名。 pose estimation里面一个常用的trick是multi-stage。代表是8 stacks的houglass network。这可以解释为多stage可以实现coarse-to-fine的逐步优化过程。但是在多人位姿估计中，multi-stage效果是不如single-stage的。比如现在coco上领先的方法CPN， simple bas...原创 2019-07-08 13:22:18 · 851 阅读 · 0 评论 -
Deeply Learned Compositional Models for Human Pose Estimation
提出一种组合模型，表示人体各部分的层次关系3，有利于解决low-level的模糊问题。主要的思路是这样的：单个关节点是lowest-level part, 通过组合，形成各个层次的high-level part， 如上图(a)。在bottom-up过程中， 首先在输入图像中粗略估计lowest-level信息， 再依次迭代的估计high-level信息。 在top-down过程中，...原创 2019-07-09 20:34:06 · 1210 阅读 · 0 评论 -
Mask R-CNN
基于faster rcnn的实例分割模型， 当然它也是一个通用性很强的模型， 可以扩展用于目标检测、人体关键点检测等。较于faster的改动是，head 部分除了classification和regression外， 增加了预测实例分割的mask的分支，增肌了很少的计算成本，效果却很显著。考虑到faster rcnn中ROI Pooling存在量化误差， 使得前后像素不匹配，这对检测来说，...原创 2019-07-10 10:26:00 · 123 阅读 · 0 评论 -
PoseFix: Model-agnostic General Human Pose Refinement Network
CVPR19这篇文章本质上应该是做了一个data augmentation的工作……前面有人做了统计各种pose estimation会产生的错误， 比如missing, jitte, swap等， 得到各种错误的概率分布， 那么其实很自然的想法是人工生成这些错误的姿势， 再refine网络， 这样的数据增强肯定是有用的。训练时， 输入是图像和生成的相对应的pose, 这个pos...原创 2019-07-18 11:21:37 · 463 阅读 · 0 评论