人体姿态
cv_family_z
这个作者很懒,什么都没留下…
展开
-
人体姿态”RMPE: Regional Multi-Person Pose Estimation“
多人姿态估计新兴研究方向,论文方法RMPE包含三个部分,即,对称空间变换网络(SSTN)、参数化的姿态非极大值抑制及姿态引导的proposal生成器(PGPG)。多人姿态识别的方法有两步结构、part-based的结构两种。其中两步结构首先检测人体bbox,之后在每个box内独立估计姿态。part-based结构首先检测人体部件,然后组装检测到的人体部件形成多人姿态。论文的方法是两步法,目标是在bb原创 2018-03-01 18:04:29 · 902 阅读 · 0 评论 -
姿态跟踪“Pose Flow: Efficient Online Pose Tracking ”
复杂场景下多人关节姿态跟踪,论文设计了一个在线的优化网络建立帧间姿态关系,并形成姿态流,此外设计了一个姿态流非极大值抑制减少冗余姿态流,重新建立时间上不相交姿态的联系。实验在两个姿态跟踪数据库上Pose Tracking datasets([Iqbal et al., 2017] and [Girdhar et al., 2017])对比。多人姿态跟踪方法分两种,自上而下的和自下而上的。自上而下的...原创 2018-03-16 14:21:11 · 2974 阅读 · 2 评论 -
姿态估计及跟踪“Detect-and-Track: Efficient Pose Estimation in Videos”
基于行人检测和视频理解,估计及跟踪人体关键点。首先在单帧或短视频剪辑估计关键点,然后使用轻量级网络生成关键点的估计。单帧的估计使用Mask-RCNN,3D Mask-RCNN。在PoseTrack上对比,MOTA为51.8%。相关工作 单帧图像姿态估计:Mask R-CNN,DeeperCut,[4][33] 多帧姿态估计:PoseTrack[22],[18] 视频多目标跟踪:递归神经网络[3原创 2018-04-09 16:24:47 · 5817 阅读 · 0 评论 -
Multi person-pose estimation
几篇人体关键点检测的论文一、Mask R-CNNMask R-CNN Mask R-CNN同时进行目标检测和实例分割,在Faster-RCNN框架基础上增加mask分支,多任务损失为: L=Lcls+Lbox+LmaskL=Lcls+Lbox+LmaskL=L_{cls}+L_{box}+L_{mask} 对于每个RoI,mask分支有Km2Km2Km^2维的输出,表示K个分辨率为m...原创 2018-04-13 11:13:10 · 1002 阅读 · 0 评论