电子科技大学与Vision Semantics的研究人员提出了一种名为“姿态蒸馏”的算法，通过轻量化Hourglass网络和知识蒸馏技术，实现了在保持较高精度的同时，显著减小模型大小和计算复杂度，便于在边缘设备部署。该方法在MPII和LSP数据集上表现出色，模型大小仅为3M，计算复杂度降低至1/6到1/7。
关注我爱计算机视觉，一个有价值有深度的公众号
前几天52CV曾经报道过一篇文章：17毫秒每帧！实时语义分割与深度估计 其中用到知识蒸馏方法，实现了超快速的同时语义分割与深度估计，该文引起极大关注，未经授权就被转载到了很多网站。
今天要跟大家分享的文章《Fast Human Pose Estimation》与其类似，也是希望用知识蒸馏的方法获得“模型小计算复杂度低”的易于在边缘设备部署的模型，是昨天刚刚上传到arXiv的，作者分别来自电子科技大学和Vision Semantics公司。
一、姿态估计的任务
人体姿态估计即在含有人体图像中定位出人体的关节点。如下图所示：
最低0.47元/天 解锁文章
扫一扫
1244
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
