小花生的博客

论文：《Does Learning Specific Features for Related Parts Help Human Pose Estimation?》CVPR2019, Wei Tang and Ying Wu1.主要思想：论点： 人体姿态估计（HPE）本质上是一个同质的多任务学习问题，每个身体部位的定位都是一个不同的任务。目前HPE方法普遍采用的是利用CNN来学习所有身体部位的完全共享特征，从中以空间坐标或热图的形式对关节点位置进行线性回归。作者通过分析表明并不是所有的关节部分

论文：Deeply Learned Compositional Models for Human Pose Estimation2018ECCV，Wei Tang, Pei Yu and Ying Wu1.主要思想目前基于传统CNN进行Pose检测，当存在重叠部分、附近人员干扰和杂乱背景造成歧义时，很容易导致检测错误，精度变差。作者提出了一个有希望的方法是利用人体的组合性。它的意思是将一个整体表示为一个由部分和子部分组成的层次结构，这些部分和子部分满足一定的约束条件。这种层次结构使得模型能够捕

MPII数据集简介概述：MPII人体姿势数据集是人体姿势预估的一个 benchmark，数据集包括了超过 40k 人的 25000 张带标注图片，这些图片是从 YouTube video 中抽取出来的。在测试集中还收录了身体部位遮挡、3D 躯干、头部方向的标注。MPII 地址： http://human-pose.mpi-inf.mpg.de/#overviewMPII 样本数： 25000 个（单人、多人）16类标注： (0 - r ankle, 1 - r knee, 2 - r hip,

卷积网络中的感受野1.感受野（Receptive field (RF)）是什么？在卷积神经网络中，感受野的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。大家知道现在CNN深度学习越来越深为了压缩计算量越到后面的层数往往feature size越来越小但参与“决策”往往是最后几层网络（当然有FPN等神迹）因此如何保证小的网络仍然具...

论文:《Rethinking on Multi-Stage Networks for Human Pose Estimation》1.概述多阶段网络更加适合姿态估计任务，因为该结构可以使得低分辨率的特征和高分辨率的特征重复交叠，兼顾了位置信息和特征抽象信息。2.MSPN框架结构改进1：优化单个stage结构在现有的多stage网络中，每个stage在进行特征降采样和升采样时，其通道是...

论文:《Convolutional Pose Machines 》1.概述CPMs由一系列预测器组成，这些预测器经过训练，可在每个图像位置进行密集预测。本文的主要贡献包含：a：使用级联（sequential）卷积结构学习隐式空间模型。b：系统地设计和训练CPMs来学习图像特征和依赖图像的空间模型（各个关节的关系）2.CPMs的模型架构CPM采用CNN的方式来进行特征提取和上下文信息...

论文：《Cascaded Pyramid Network for Multi-Person Pose Estimation》概述：论文提出级联金字塔网络（Cascaded Pyramid Network ，简称CPN），包含两个阶段：GlobalNet和RefineNet。GlobalNet是特征金字塔网络，可以定位简单的关键点，如眼睛和手，虽然无法识别被遮挡的关键点，但是可以提供上下文信息，...