Efficient Human Pose Estimation in Hierarchical Context
IEEE ACCESS 卷: 7 页: 29365-29373 出版年: 2019
paper:https://ieeexplore.ieee.org/document/8654590
论文使用的是层次上下文学习(hierarchical context learning)。
具体来说,论文提出了一种新的层次上下文网络(HCN)架构,该架构可以在实现有竞争力的模型泛化能力的同时有效地进行训练和部署。这是通过在姿态回归学习过程中从粗到细逐步形成和施加多粒度(multi-granularity)上下文信息来实现的。
我认为本文,就是在结构上提出点小创新,且在一些地方使用了一些优化(refinement)的方法。比如:对于回归模块的houglass每个scale,论文在自顶向下和自底向上的特性上添加了批处理规范化,然后通过元素添加将它们组合在一起。与HCN学习多分辨率上下文图像不同,沙漏只在单分辨率观测上进行多尺度学习。两者互相辅助。