姿态估计 - Deep High-Resolution Representation Learning for Human Pose Estimation

最新推荐文章于 2023-06-08 21:54:58 发布
最新推荐文章于 2023-06-08 21:54:58 发布
阅读量386 收藏 2
点赞数 1
分类专栏： CV 文章标签： HRNet 姿态估计 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/irving512/article/details/112556074
版权

文章目录

0. 前言

  • 相关资料：
  • 论文基本信息
    • 领域：姿态估计
    • 作者单位：中国科学技术大学&微软亚洲研究院
    • 发表时间：CVPR 2019
  • 一句话总结：提出一种新的backbone设计思路，即不同尺寸的特征图之间进行多次信息融合。

1. 要解决什么问题

  • 为了获取图像中的位置信息（如目标检测、姿态估计、图像分割任务），一种常见的解决方案是增加特征图的尺寸，一般网络就是先下采样再上采样，且下采样、上采样过程中相同尺寸的特征图之间可能有skip connection。
  • 现有的方法如下图
    • a是hourglass结构
    • b是cascade pyramid结构
    • c是simplebaseline结构
    • d中使用了空洞卷积
    • image-20210113103225458

2. 用了什么方法

  • 说白了，就是不同尺寸间特征图相互连接（有FPN的感觉，但也不完全是，毕竟1x的通道从头到尾都有）

    image-20210113103128774

  • 不同尺寸间特征图应该如何融合呢

image-20210113110112333

  • 最终结果预测好像用的就是最高尺寸的特征图，其他的没用上。

3. 效果如何

  • 横扫COCO/MPII/PoseTracking
    • image-20210113095654022
    • image-20210113095702339
    • image-20210113095715049

4. 还存在什么问题&可借鉴之处

  • 这种结构应该非常消耗算力和显存吧。毕竟连了这么多。
清欢守护者
关注
专栏目录
HRNet网络代码解读：Deep High-Resolution Representation Learning for Human Pose Estimation
shayinzzh的博客
05-19 760
HRNet网络搭建源码解读。
Deep High-Resolution Representation Learning for Human Pose Estimation论文解析
ls83776736的博客
02-27 9282
High-Resoultion Net(HRNet)由微软亚洲研究院和中科大提出，发表在CVPR2019。 模型的主要特点是在整个过程中特征图（Feature Map）始终保持高分辨率，这与之前主流方法思路上有很大的不同。在HRNet之前，2D人体姿态估计算法是采用（Hourglass/CPN/Simple Baseline/MSPN等）将高分辨率特征图下采样至低分辨率，再从低分辨率特征图恢复至...
【姿态估计】Deep High-Resolution Representation Learning for Human Pose Estimation论文理解
qq_36926037的博客
05-13 1835
摘要   本文：   本文关注人体姿态估计问题，重点是学习可靠的高分辨率表征。现有的大多数方法都是从高到低分辨率网络产生的低分辨率表征中恢复高分辨率表征。相反本文提出的网络在整个过程中保持高分辨率表征：   （1）我们从一个高分辨率的子网开始作为第一阶段，将高分辨率到低分辨率的子网逐个添加，形成更多的阶段，并将多分辨率的子网并行连接。   （2）我们进行重复的多尺度融合，这样每一个高到低分辨率的表征都能从其他平行表征中反复接收信息，从而得到丰富的高分辨率表示。因此，预测的关键点热图具有更高的潜在精度和空间精
Deep High-Resolution Representation Learning for Human Pose Estimation
邹小驴
03-27 180
网络结构图： 就图上分析： stage_1网络结构： 4个residual unit，每一个residual unit都是与resnet_50中的bottneck相同，如下图的右边的那个，一共有4个右边那个bottneck。其中channel是64. 为了将最后输出的featuremap channel变成hrnet32，或者48中的32 or48 需要后面接一个3*3卷积。 stage_2网络结构： 1）由4个exchange blocks组成，其中每一个exchange blocks
2019CVPR Deep High-Resolution Representation Learning for Human Pose Estimation 姿态估计01
weixin_44576543的博客
08-21 536
代码：https://github.com/leoxiaobin/ deep-high-resolution-net.pytorch 论文：arXiv:1902.09212v1 题目：深度高分辨率特征学习的姿态估计 摘要：在文章中，主要提出了从始至终维持着高分辨率的特征的深度学习网络，并对比了现存的高分辨率-低分辨率，低分辨率-高分辨率的深度网络框架，本文提出的高分辨率网络分为几个阶段，以高...
Deep High-Resolution Representation Learning for Human Pose Estimation (CVPR2019)
2Dposeliu的博客
02-28 2417
来自微软和中国科技大学研究学者的论文《Deep High-Resolution Representation Learning for Human Pose Estimation》和相应代码已经公布。 该文为第一作者Ke Sun在微软亚洲研究院实习期间发明的算法。 作者观察到，现有姿态估计算法中往往网络会有先降低分辨率再恢复高分辨率的过程，比如下面的几种典型网络。 (a) Hourglass (...
HRNet（cvpr2019）：Deep High-Resolution Representation Learning for Human Pose Estimation （并行高分辨率保持）
Sesen的木屋
09-05 1161
Deep High-Resolution Representation Learning for Human Pose Estimation （CVPR2019） HRNet由微软亚洲研究院和中科大共同提出。定义了一个通用的计算机视觉网络框架 HRNet，在图像分类，语义分割，目标检测，人脸特征点检测等多个任务上的测试结果全面吊打当前网络框架，不仅精度提升了，网络参数量和计算量也降低了，并且给...
2D关键点检测之HRNet：Deep High-Resolution Representation Learning for Human Pose Estimation
qq_54793880的博客
06-08 690
时间：2019.02 CVPR2019作者团队：Ke Sun Bin Xiao Dong Liu Jingdong Wang分类：计算机视觉–人体关键点检测–2D top-down。
【论文笔记】Deep High-Resolution Representation Learning for Human Pose Estimation
m0_58678659的博客
11-04 527
在本文中，作者对人类姿势估计问题感兴趣，重点是学习可靠的高分辨率表示。大多数现有方法从高到低分辨率网络产生的低分辨率表示中恢复高分辨率表示。相反，作者建议的网络在整个过程中保持高分辨率表示。我们从高分辨率子网作为第一阶段开始，逐步逐个添加高到低分辨率子网，形成更多的阶段，并并行连接多分辨率子网。进行重复的多尺度融合，以使每个高到低分辨率表示一次又一次地从其他并行表示接收信息，从而产生丰富的高分辨率表示。结果，预测的关键点热图可能更准确，并且在空间上更精确。
Day 2: Deep High-Resolution Representation Learning for Human Pose Estimation
ttppss的博客
05-07 127
最近在做 pose estimation 相关的东西，这篇论文之前其实看过，也做了些笔记，不过没有统一整理。今天没太多时间，所以先把一些重要的东西写下来，记在这。 这篇文章的主要贡献有： 以往的 pose estimation 模型，都是有个从高精到低精，再从低精到高精的过程，而且整个过程中是串行的，因此会损失一定的 spatial information，本文提出的 HRnet，采用了并行模式，在整个过程中都保留了高精的特征图。 此外，本模型采用了 multi scale fusion，把前一个st.
Deep High-Resolution Representation Learning for Human Pose Estimation (CVPR 2019)
To be a better man
04-24 2842
My environment Ubuntu18.04,3090 when you download code from https://github.com/leoxiaobin/deep-high-resolution-net.pytorch Configure for the code Upgrade your pip python -m ensurepip python -m pip install --upgrade pip modify the requirement
【HRNet】《Deep High-Resolution Representation Learning for Human Pose Estimation》
bryant_meng
09-01 1718
CVPR-2019 代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch 文章目录1 Background and Motivation2 Related Work3 Advantages / Contributions4 Method5 Experiments5.1 Datasets5.2 COCO Key-point Detection5.3 MPII Human Pose Estimation5.4 Applicati.
Deep High-Resolution Representation Learning for Human Pose Estimation论文翻译
u010849057的博客
03-05 1297
@Densepose论文翻译 Deep High-Resolution Representation Learning for Human Pose Estimation论文翻译 Abstract 在本文中，我们对人体姿势估计问题感兴趣，重点是学习可靠的高分辨率表示。大多数现有方法从由高到低分辨率网络产生的低分辨率表示中恢复高分辨率表示。相反，我们建议的网络在整个过程中保持高分辨率的表示。我们从高...
（粗翻译）Deep High-Resolution Representation Learning for Human Pose Estimation——CVPR2019
hshs0594的博客
03-12 1035
啊吧啊吧
姿态估计——Deep High-Resolution Representation Learning for Human Pose Estimation阅读记录
乐亦亦乐的博客
11-08 1232
论文地址：https://arxiv.org/pdf/1902.09212.pdf github：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch Deep High-Resolution Representation Learning for Human Pose Estimation Abstract 在本文中，我们对人体姿态估计问题...
deep high-resolution representation learning for visual recognition
最新发布
01-09
深度高分辨率表示学习是一种用于视觉识别的技术，旨在从图像中学习到更高质量和更具表达力的特征表示。在传统的视觉识别任务中，如图像分类、目标检测和语义分割，传统的特征表示方法通常提取低级或中级特征，这些...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值