YYY_77的博客

人体姿态估计(Human Pose Estimation, HPE)是一种识别和分类人体关节的方法。本质上，它是一种捕获每个关节（手臂、头部、躯干等）的一组坐标的方法，该坐标被称为可以描述人的姿势的关键点(keypoint)。这三种类型是随着应用逐步发展出来的，先检测关键点，类似于火柴人，进一步的检测出人的轮廓，再根据轮廓进一步的把人体进行3D重建。也称为运动学模型，该模型包括一组关键点（关节），例如脚踝、膝盖、肩膀、肘部、手腕和肢体方向，主要用于 3D 和 2D 姿势估计。

对于一个目标检测模型的好坏，总的来说可以从以下三个方面来评估：严格说某些场合也会很在意模型的大小，这也是一个研究方向，比如 , , 等。所以除了上面三个维度，模型的大小也可以是一个评价维度。PASCAL VOC 挑战赛：该挑战赛目标检测评价指标官方文档，当前 PASCAL VOC 目标检测挑战赛使用的指标是曲线和.COCO 检测挑战赛：该挑战赛使用不同的指标来评估不同算法的目标检测准确性。 这里可以找到 COCO 上的目标检测性能的 12 个指标的文档。Google Open Images Dataset

人脸检测算法综述0 前言1 人脸检测算法难点2 人脸检测算法流程2.1 选择检测窗口2.2 提取图像特征2 人脸检测算法2.1 早期算法2.2 AdaBoost框架2.3 深度学习0 前言人脸检测是目标检测的其中一个方向，它在安防监控、人证比对、人机交互、社交和娱乐等方面有很强的应用价值，也是人脸识别算法、人脸关键点检测算法、人脸位姿估计算法等的第一步。人脸检测任务关注的是图像中人脸的位置，包含了两个子任务：其一是输出这一目标的类别信息，属于分类任务；其二是输出目标的具体位置信息，属于定位任务。1