RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation

单人pose模型文章,提出了一种基于kinematic structure来辅助模型对关键点进行定位,整体结构如下:在这里插入图片描述
模型是一个仿U-Net结构的网络结构,忽略U-Net的底部,先看下输出,模型会在不同的scale下进行upsample到原图分辨率大小进行heatmap输出,所以是个包含有多个loss的网络结构,重点看下上图中的绿色部分,也即是文章提出的Kinematic Features Updates结构。

Kinematic Features Updates

这个结构相当于是根据先验知识对人体姿态进行建模,然后进行refine的一个过程。文章对关节点连接做了一个定义,如下图所示:在这里插入图片描述
其中每两个连通点之间的线段称之为边,关节点为node,然后对于关节点k来说,它的周围连通点组成的集合为 N ( k ) {N(k)} N(k):在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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