Pose Machines文献阅读

最新推荐文章于 2022-06-12 19:40:31 发布

原创

最新推荐文章于 2022-06-12 19:40:31 发布

· 794 阅读

3 ·

版权

文章标签：

#计算机视觉

这篇博客主要介绍了Pose Machine模型，一种用于二维人体姿态估计的方法，它基于非树交互的图结构。模型包括L层级结构和T个stage，每个分类器g输出关键点的置信度图。通过逐层和阶段识别，提高姿态估计的性能。同时，文章解释了图结构的基础概念和置信度的含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、文献翻译

整理好再上传译文……

二、模型原理

1、模型简介

pose machine重点研究了根据单一的图片估计二维人体姿态的方法，较常用的估计方法为图结构[1]，，本文采用的是非树交互的图结构

2、模型结构

先放一张图，这张图是pose machine的基本框架流程，pose machine需要输入图像后，识别判断一些人体的关键点分布在图片上的哪一个地方

（1）分类器g

图上的每一个g都是一个分类器，根据图1可知，当有p个关键点需要识别时，向分类器g输入一个图片的特征图x，会对应输出p张置信度图（可以暂时理解为图片上每一点是某关键点的概率的分布）

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

XXXXXXM.

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Pose machines-estimate the 2D pose from a single image

qq_43452156的博客

12-18

301

现有关节人体姿态处理都是基于图模型，为了使推理容易，这些方法采用树结构且参数简单。这些模型无法捕捉身体部位之间的交互关系，虽然可以定义更加复杂的模型，但是这些模型的参数学习困难。本文在推理机的基础上，提出一种关节人体姿态估计，融合了多个部位之间丰富的空间关系，既可以在没有专门优化求解器的情况下轻松实现，又可进行有效推理。

【人体姿态】Convolutional Pose Machines

热门推荐

shenxiaolu1984的专栏

04-29

4万+

2016年CVPR深度学习估计人体姿态的Convolutional Pose Machines算法

参与评论您还未登录，请先登录后发表或查看评论

Convolutional Pose Machines

yeahDeDiQiZhang的博客

09-29

5625

参考资料： http://blog.youkuaiyun.com/shenxiaolu1984/article/details/51094959http://blog.youkuaiyun.com/zimenglan_sysu/article/details/52077138 http://blog.youkuaiyun.com/layumi1993/article/details/51854722 http://hy

论文阅读：Pose Machines: Articulated Pose Estimation via Inference Machines

一亩半分地

05-12

6026

本文介绍了Convolution Poase Machine所follow的论文Pose Machine，这篇论文声称能够解决关节遮挡问题。此外论文解决的方式也很新颖通过多类分类器的级联实现关节的逐步精确

Convolutional-Pose-Machines-tensorflow

zhangboshen的博客

09-05

2635

1 简介这是一个Convolutional Pose Machines（CPM）的tensorflow代码实现，由这个老哥实现。CPM是一个state of the art的2D人体（手势）姿态估计算法，最早由CMU的大佬们于2016年CVPR提出，效果很好，这里有一个demo，其也是目前另外一个开源算法——OpenPose的基础。 2 安装（1）环境配置 Win10 + te...

Convolutional Pose Machine

秀呀秀的博客

11-26

489

博客： https://blog.youkuaiyun.com/cherry_yu08/article/details/80846146 https://blog.youkuaiyun.com/qq_36165459/article/details/78321054 https://blog.youkuaiyun.com/mpsk07/article/details/79522809 https://blog.csdn.ne...

【论文学习】：Multi-Person Pose Estimation for PoseTrack with Enhanced Part Affinity Fields

m0_37644085的博客

09-30

4183

论文地址：https://posetrack.net/workshops/iccv2017/pdfs/ML_Lab.pdf 这篇文章，初见简直惊艳以及钦佩，加上参考文献才4面纸，效果竟然拿到了2017年ICCV Challenge 1: Single-Frame Person Pose Estimation的第一名。 ps：先简单看下论文说的什么。本文给我最大的启示是：人体姿势估计和语义分...

基于深度学习的3D pose estimation总结（包括几篇2D pose estimation）

qq_40045309的博客

05-04

8202

声明：此文章是作者自己学习过程中的简单总结，也是作者第一次上传，仅供各位同行参考，也请对文中错误和不足多多指教，敬请指正，谢谢！一、任务描述给定一幅图或者是一段视频，人体姿态估计就是恢复出其中的人体关节点位置的过程。二、挑战和难点 1.人体肢体运动较为灵活； 2. 视角的变化； 3.附着物的变化（比如遮挡，衣物等）； 4.3D pose estimation缺乏数据集；三...

open pose2019 OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文翻译与原理理解

sunnyblogs的博客

09-10

1710

highlights： ①证明只有PAFs的优化有助于系统的性能和准确性。（之前的工作认为PAFs和body part location estimation共同作用才能促进系统优化） ②提出第一个组合body 和foot的detector（基于一个内部注释的脚部数据集，已开源） ③本文提出的组合检测器不仅减少了推理时间而且保持了每个部件的准确性 ④发布了openpose这一开源系统 Human pose estimation存在的挑战; first：用于检测的图片中的人的数量是未知的且无规律的 secon

论文翻译与原理理解：Convolutional Pose Machines

sunnyblogs的博客

01-06

760

网络结构这篇论文是著名的openpose的前身。文章的网络结构如下：图（a）和（b）所示是姿态机(pose machine )的工作原理，相应的卷积网络如图（c）和（d）所示。图（a）和（c）展示了在第一阶段（stage 1）只对图像特征进行操作的结构。图（b）和（d）显示了后续stage（2~T）的结构，这两个stage同时对图像features和前一阶段的belief map（信念图）进行操作。（b）和（d）中的架构在所有后续阶段（2到T）中重复。在每个阶段之后，使用中间损耗层对网络进行局部监督

Pose Machines: Articulated Pose Estimation via Inference Machines论文阅读

weixin_43924162的博客

03-29

303

Pose Machines: Articulated Pose Estimation via Inference Machines 姿态机器:通过推理机进行关节式姿态估计 Abstract 在这篇文章中，不是在一个学习过的图形模型上进行推理，而是建立在推理机框架上，并提出一种关节式人体姿态估计的方法。 Introduction 图形模型中的推理是困难和不精确的，例如树形结构或星形结构的模型。这些简化模型无法捕捉每个零件位置之间的重要相关性，并导致特征误差。一个这样的错误——重复计数(见图1)——发生在图像

【姿态估计】PoseMachine: 通过推理机进行关节姿态估计 Articulated Pose Estimation via Inference Machines

hyczkg的博客

12-20

2104

原文地址：http://www.cs.cmu.edu/~vramakri/poseMachines.html Varun Ramakrishna, Daniel Munoz, Martial Hebert, J. Andrew Bagnell, and Yaser Sheikh 卡耐基梅隆大学机器人研究所摘要用于关节人体姿态估计的最先进方法基于部件的图模型。这些模型通常仅限于树形结构表示...

READING NOTE: Convolutional Pose Machines

joshua_1988

12-27

1345

TITLE: Convolutional Pose Machines

【人体姿态估计1】Convolutional Pose Machines_2016

呆呆的猫的博客

03-14

1874

文章目录1. Introduction 该论文展示了如何将卷积网络嵌入到人体姿态估计框架中，来学习图像特征和与图像无关的空域特征。贡献点：使用序列化的卷积结构来表达图像信息和空间信息。序列化的卷积结构表现在网络分为多个阶段，每个阶段都有监督训练的部分，前面阶段使用原始图片作为输入，后面阶段使用之前阶段的特征图作为输入，产生对局部位置越来越精细的估计。主要是为了融合空间信息，纹理信息和中心约束...

Convolutional Pose Machines 论文阅读

scarlet witcher的博客

09-28

1161

目录1.了解CPMs2.介绍CPMs2.1 Introduction2.2 methods 1.了解CPMs CPMs(Convolutional Pose Machines)：基于序列化的全卷积网络结构，学习空间信息和纹理信息，估计人体姿态. 本文使用CNN进行人体姿态估计，它的主要贡献在于使用顺序化的卷积架构来表达空间信息和纹理信息。顺序化的卷积架构表现在网络分为多个阶段，每一个阶段都有监督训练的部分。前面的阶段使用原始图片作为输入，后面阶段使用之前阶段的特征图作为输入，主要是为了融合空间信息，纹理

2D人体姿态估计 - Convolutional Pose Machines(CPM)

light169的专栏

06-02

2262

Convolutional Pose Machines（CPM）的主要贡献在于： a) 用Heatmap来表示关节点的位置及位置约束关系，并且将Heatmap和Feature Map同时作为数据在网络中传递，同时在多个尺度处理输入的特征，充分考虑各个关节点之间的空间位置关系。 b) 多个阶段（Stage）有监督训练，避免过深网络难以优化的问题。 OpenPose是GitHub上最受欢迎的人体姿态估计项目（14.8K Stars, 4.2K Folks），其人体关键点检测正是主要基于Convo.....

Convolutional Pose Machines 阅读小结

郑哲东的博客

07-07

6877

Title: Convolutional Pose Machines Authors: Shih-En Wei, Varun Ramakrishna, Takeo Kanade, Yaser Sheikh Link: https://arxiv.org/abs/1602.00134 Github: https://github.com/CMU-Perceptual-Computi

《人体姿态估计》经典文章回顾1：Convolutional Pose Machine

wqthaha的专栏

06-12

654

这篇文章展示了一个姿态估计的系统设计，如何将卷积网络整合到pose机中以学习图像特征和图像相关的空间模型。

convolutional pose machines

03-16

卷积姿态机（Convolutional Pose Machines）是一种用于人体姿态估计的机器学习模型，通过卷积神经网络对人体图像进行处理，以检测和估计人体关键点的位置。它是一种端到端的模型，可以在输入图像的基础上直接预测...