本文详细解读MultiPoseNet，一种使用Pose Residual Network进行快速多人姿态估计的方法。该网络包括Backbone、Keypoint Subnet、Person Detection Subnet和PRN四个部分。PRN是核心，通过聚类算法将关键点与行人检测结果对应。实验表明，ResNet-50在COCO数据集上实现23FPS，而ResNet-101准确性更高但速度较慢。关键点检测对结果影响显著，作者建议使用更强大的特征提取网络以提高准确性。
MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual Network.
论文思路大致解读
论文提出的网络结构大概分成三部分：
- 首先第一部分是Backbone网络，用于提取图片在多尺度下的特征；
- 第二部分包括两个分开、独立的网络，其中一个用来检测图片中所有的人体关键点（keypoint_subnet），另外一个用来图片中的行人检测（person_detect subnet）
- 第三部分即文章的核心部分，提出的残差网络（PRN,Pose Residual Network），概括来说就是一个聚类算法，将第二部分检测的到的所有关键点依据行人检测结果进行聚类，得到每个人的人体关键点聚集。
论文的网络结构如下图所示：
论文具体部分详解
Backbone网络： Backbone网络为后面的关键点检测和行人检测网络提供图像特征，在论文中使用了ResNet网络结构，并加入了两个FPN（Feature Pyramid Networks）网络结构，一个用于后面的关键点检测，一个用于后面的行人检测。论文作者在ResNet网络的最后一个residual block提取特征并计算相应的FPN特征，具体的ResNet网络文中采用了ResNet-50和ResNet-101两种网络，ResNet-50更快，ResNet-101会慢一些但相比ResNet-50在COCO数据集上提高了大约1.6mAP检测结果。
Keypoint Subnet： 关键点检测网络，输入为前面FPN网络的输出特征，输出为关键点热图和分割结果热图。关键点检测网络如下图所示：
最低0.47元/天 解锁文章
扫一扫
1554
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
