本文解析了19年OpenPose改进版论文，虽然没有官方代码，但详细介绍了模型结构，包括特征提取模块、PAFs预测和关节点预测。OpenPose采用自底向上方式预测关键点并组合成个体，通过3部分进行：特征提取、躯干预测和关节点预测。模型通过级联的3*3卷积减少计算量，增加非线性层，提高精度和速度。算法流程包括预测关节位置、使用贪婪算法分组和损失函数计算。
本文是对19年论文，对OpenPose改进版的论文进行解析。因为改进版官方代码未找到，所以本文单纯从论文层面对模型进行解析。本文只对算法流程，模型构建，Loss构成，公式整理，关键要点等进行整合解析，其他部分可以自己祥阅原论文，如贪婪算法的改进，新的脚部数据集等，但不妨碍对OpenPose的整体架构，模型，思想的理解。
17年版本论文地址：https://arxiv.org/abs/1611.08050
19年版本论文地址：https://arxiv.org/abs/1812.08008
OpenPose为姿势估计模型中的经典模型，16年提出第一代及论文之后，19年对OpenPose进行改进，在提高7%精度的同时，还提高了200%的运行速度。OpenPose采用的是自底向上的方式，先预测关键点，在对关键点进行组合成个体（人）。
模型结构图：
模型分为3部分
第一部分为F，为特征提取模块，使用的是vgg
第二部分为蓝色区域Stages L ，称为PAFs（Part Affinity Fields），用于预测躯干&
订阅专栏 解锁全文
2253
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
