Rethinking on Multi-Stage Networks for Human Pose Estimation

最新推荐文章于 2024-06-03 10:22:32 发布
最新推荐文章于 2024-06-03 10:22:32 发布
阅读量2.5k 收藏 2
点赞数 3
分类专栏： HumanPoseEstimation 文章标签： human pose multi-stege
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/murdock_c/article/details/86081181
版权

无聊翻arxiv发现的文章,先放地址: 文章地址. 本来一开始觉得是和凯明大神那篇’rethinking imagenet pretrain’ 文章一样,干货满满, 读完之后略有失望.

这篇文章是Face++团队出品的,旨在设计出一个好的multi-stage的pose 检测. 这篇文章的主要目的,是为了设计一个随着网络stage数目增加, 模型的预测能力逐步提高的网络. 而不是像之前的hourglass或者其它网络一样,增加stage数目并不会显著提高模型的预测能力. 对比图如下:
在这里插入图片描述
图1 可以看出,Hourglass和single-stage这两个模型,随着stage数目的增加,coco ap值并没有显著提高.而网络提出的MSPN网络却可以近似做到. 文章的主要目的就是这个, 那怎么设计multi-stage网络呢,主要做了三点:

  1. 魔改hourglass module. hourglass module是top-down 和 down-up层级沙漏结构,而且在整个hourglass module中,所有的通道数都保持固定(256). 文章提出这样做在downsample的过程中,featuremap的空间分辨率变小了,但通道数没有增加,这样就会损失一部分信息. 而pose的检测其实如果在网络前期有一点误差,就可能对最后的结果产生很大的影响. 所以, 文章提出的MSPN网络类似于hourglass的设计理念,在downsample过程中, 逐步提高每个scale的channel数, 如下图所示:
最低0.47元/天 解锁文章
MatthewHsw
关注
  • 3
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
论文解读-Rethinking on Multi-Stage Networks for Human Pose Estimation
为之则易，不为则难
02-16 2626
文章目录1 动机2 算法设计2.1 更好的single-stage module2.2 Cross Stage特征融合2.3 Coarse-to-fine Supervision3 实验结果3.1 backbone的影响3.2 stages个数的影响3.3 Cross Stage特征融合的影响3.4 Coarse-to-fine Supervision的影响3.5 高斯核的影响4 总结5 参考资...
2D关键点检测之MSPN：Rethinking on Multi-Stage Networks for Human Pose Estimation
qq_54793880的博客
06-25 344
2D关键点检测之MSPN：Rethinking on Multi-Stage Networks for Human Pose Estimation 时间：2019.01 ArXiv 2019 分类：计算机视觉–人体关键点检测–2D topdown_heatmap。
论文阅读：Deep High-Resolution Representation Learning for Human Pose Estimation
最新发布
YGwhere
06-03 1856
通过设计多个branch（原文称作子网络），得到不同维度的输出。每次引入新的branch（transition），即下采样时，都保留了原branch的输出，即保留了高分辨率的特征信息；在每个stage处理后，都将多维信息融合，让下一个stage能够处理来自不同维度的信息。没有设计复杂的模块，只添加了不同维度信息，只有信息量增加导致计算量提高，而没有引入复杂计算。
姿态估计Rethinking on Multi-Stage Networks for Human Pose Estimation论文梗概及代码解读
小小小麦昆的博客
10-16 2181
2018年COCO关键点检测冠军算法MSPN，姿态估计，Top-down的技术路线 应该是截止2019年10月26日时开源的最好的姿态估计算法之一了 旷世出品 代码链接点这，是基于Pytorch的 论文链接点这 摘要 姿态估计方法以基本形成one-stage 和 multi-stage两个路线 多阶段看上去更适合任务，但是现在多阶段的性能还是不如单阶段的 我们论文就来研究这个问题，我们讨论当下多阶...
[Rethinking on Multi-Stage Networks for Human Pose Estimation] 论文解读
qq_33949900的博客
03-15 1163
1，摘要： 单阶段网络 多阶段网络（尽管多阶段网络更适合当前的工作，但是目前多阶段表现还是没有单阶段好） 2，介绍： 近年来，使用深卷积神经网络的人体姿态估计问题得到了快速发展。目前，表现最佳的方法非常简单，通常基于从图像分类任务传输的单级背部骨骼网络。例如，2017年COCO关键点挑战赛获胜者[8]基于重新开始[35]。最近的简单基线方法[39]使用ResNet[15]。由...
[文献阅读]Rethinking on Multi-Stage Networks for Human Pose Estimation-CVPR2019
weixin_43897346的博客
06-17 202
2020人体姿态估计综述（Part2：2D Top-Down Multi-Person Pose Estimation）
qq_42974561的博客
08-15 3803
承接上一篇博文：A 2020 Human Pose Estimation Review （Part1：2D Single Person） 目录 3 2D Top-Down Multi-Person Pose Estimation   3.1 Top-Down   3.2 Mask RCNN   3.3 Cascaded Pyramid Network for Multi-Person Pose Estimation   3.4
CVPR 2019 | MSPN 重新思考多阶段人体姿态估计网络
yuanCruise
03-01 2616
CVPR 2019 | Rethinking on Multi-Stage Networks for Human Pose Estimation Official Code: pytorch 1.重新划分人体姿态估计网络类别 bottom-up and top-down： 现有的人体姿态估计网络综述中，通常将其分为bottom-up和top-down两大类。其中bottom-up类网络直接提取全图...
Stacked Hourglass Networks for Human Pose Estimation 源码分析
xiaoxu1025的专栏
11-13 877
Stacked Hourglass Networks for Human Pose Estimation 源码分析 从源码分析 Stacked Hourglass Networks 在人体检测方向得具体实现
重新思考人体姿态估计 Rethinking Human Pose Estimation
qwj的博客
08-12 1748
转载自https://zhuanlan.zhihu.com/p/72561165 重新思考人体姿态估计 Rethinking Human Pose Estimation 浅谈：2D人体姿态估计基本任务、研究问题、意义、应用、研究趋势、未来方向以及个人思考 1.基本定义：从单张RGB图像中，精确地识别出多个人体的位置以及骨架上的稀疏的关键点位置。 2.基本任务：给定一张RGB图像，定位图像中人体的关键点位置，并确定其隶属的人体。 按照人的直观视觉理解的话，主要会涉及到以下
Rethinking the Heatmap Regression for Bottom-Up Human Pose
11-17
总之，“Rethinking the Heatmap Regression for Bottom-Up Human Pose Estimation”这篇论文重新审视了自下而上人体姿态估计中的热图回归问题，提出了尺度自适应和权重自适应的策略，有效解决了不同人体尺度和标注...
Rethinking-Atrous-Convolution-for-Semantic-Image-Segmentation-1.zip
01-20
《深度学习中的空洞卷积在语义图像分割中的应用——DeepLab系列解析》 语义图像分割是计算机视觉领域中的一个关键任务，其目标是将图像中的每个像素分配到预定义的类别中，以此来理解和解析图像内容。...
Rethinking-Inpainting-MEDFE:通过具有特征均衡功能的互编码器重新思考图像修复。 ECCV 2020口头
04-05
git clone https://github.com/KumapowerLIU/Rethinking-Inpainting-MEDFE.git 先决条件Python3 火炬> = 1.0 张量板火炬视觉枕头数据集准备我们使用 ， 和数据集。 要在完整数据集上训练模型，请从官方网站下载数据...
EfficientNet_Rethinking Model Scaling for Convolutional Neural Networks.pdf
05-20
EfficientNet论文
rethinking-database-design-with-apache-drill
05-16
我在Yosemite b / c上使用奇怪的TLS东西启动boot2docker 1.7时遇到了麻烦。 这是为我解决的问题： boot2docker start boot2docker shellinit boot2docker ssh sudo /etc/init.d/docker restart ...
MultiPoseNet论文解读及复现
Matthew技术小站
10-23 5179
MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual Network. 原文链接 PRN网络 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_subn...
PifPaf: Composite Fields for Human Pose Estimation
Matthew技术小站
03-28 4913
发表于arxiv, 一个bottom-up的方法, 用来预测单张图片中多个人体的关节点位置, 已开源 arxiv地址: https://arxiv.org/abs/1903.06593 github地址: https://github.com/vita-epfl/openpifpaf contribution bottom-up, box-free, end-to-end cnn arc...
Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose
Matthew技术小站
12-03 4754
Lightweight OpenPose: OpenPose很好,目前在多人目标关键点检测方面基本已经成为一个baseline. 但原始的openpose需要很好的显卡参与计算,或者说目前大部分关键点检测网络都是依赖于GPU的.这篇文章就提出如何基于OpenPose的设计思路,设计一个可以在纯CPU上实时跑的多人关键点检测网络,作者命名为"Lightweight OpenPose". 首先简单介绍...
efficientnet: rethinking model scaling for convolutional neural networks
03-16
EfficientNet是一种新型的卷积神经网络模型，它重新思考了模型缩放...它通过使用复合缩放方法，即同时缩放深度、宽度和分辨率，来提高模型的效率和准确性。这种方法可以在不增加计算成本的情况下，显著提高模型的性能。...
评论 5
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