（29）Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation

最新推荐文章于 2022-02-15 13:32:28 发布
最新推荐文章于 2022-02-15 13:32:28 发布
阅读量259 收藏
点赞数
分类专栏： Human Pose Estimation 文章标签： 神经网络
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/qq_17721239/article/details/105921865
版权

在姿态估计方面。

ParallelNet：和HRNet相似 保留高分辨率信息。 

Attention Partial Module：

图中GAP是global average pooling：通过非线性激活得到 的值与之前的特征图求外积。

同时改造残差块 dilate 卷积 ，增加感受野。

滴水藏海NQZ
关注
专栏目录
CVPR2018下载+CVPR2018论文百度云+2018CVPR论文下载+2018CVPR百度云
王博（Kings）的博客
06-25 4922
链接：https://pan.baidu.com/s/1QUXtDp5RQVNx-R55TkL13Q 提取码：
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
【论文浅读】《Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation》
卷子的博客
05-26 316
创新思想： 从一个图像中确定每个人的身体部位或关节位置，来判断人体的姿势。 这篇文章提出了有“注意局部模块”和“可微的自动数据增强方法”的“增强平行金字塔网”(Augmented Parallel-Pyramid Net)。 “注意局部模块”(Attention Partial Module, APM)，是从“增强平行金字塔网”生成的不同尺度特征图中提取加权特征得到的。 “可微的自动数据增强方法”(Differentiable Auto-data Augmentation)，是为了提高估计精度。 主要原理：
2D Attention Network for Scene Text Recognition
Francis Liu
07-18 3152
paper地址：2D Attentional Irregular Scene Text Recognizer. 继 Transformer-based-OCR 后又一篇基于语言、翻译模型架构的不规则文字识别的paper，主要贡献如下： attention部分使用多层双向transformer的block（BERT）替代了单transformer block； label只用于计算loss，不...
（32）SPCNet: Spatial Preserve and Content-aware Network for Human Pose Estimation
qq_17721239的博客
04-28 378
Dilated Hourglass Module (DHM) and Selective Information Module (SIM) Dilated Hourglass Module (DHM):使用dilated convolution 既保持 大的感受野 学习到的高层语义信息，也有 高分辨的信息。 Selective Information Module (SIM)：从不同尺度的特...
论文阅读 Multi-Scale Structure-Aware Network for Human Pose Estimation
u013548568的博客
03-29 3273
1、 文章在hourglass的网络基础上做了四点改进 1）多尺度监督来加强语义特征学习来融合多尺度的特征 2）多尺度的回归网络来优化整体的人体结构 3）structure-aware损失（在多尺度监督和回归中都有用到）来提升关键点的匹配度和邻近关键点的关系从而推测一个高阶的配置（就是刻画临近关键点的关系） 4）keypoint masking作为数据扩增的方式 2、传统网络的缺陷 ...
基于单目的3D人体姿态估计
3D视觉工坊
07-23 4379
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：彡枫| 来源：知乎https://zhuanlan.zhihu.com/p/148251873本文仅做学术分享，如有侵权，请联...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
AAAI 2022 论文列表
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3197
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
(15) Multi-Person Pose Estimation : PersonLab
qq_17721239的博客
10-08 2440
PersonLab: Person Pose Estimation and Instance Segmentation with a Bottom-Up, Part-Based, Geometric Embedding Model 2018 reading time : 2019/10/08 paper address :https://arxiv.org/abs/1803.08225 ...
AC-FPN解读 --- Attention-guided Context Feature Pyramid Network for Object Detection
梦坠凡尘
06-10 8694
论文：https://arxiv.org/pdf/2005.11475.pdf 代码：https://github.com/Caojunxu/AC-FPN 摘要 对于目标检测，如何解决高分辨率输入上的特征图分辨率与感受野之间的矛盾要求仍然是一个悬而未决的问题。在本文中，为了解决这个问题，我们建立了一种新颖的体系结构，称为注意力导向的上下文特征金字塔网络（AC-FPN），该体系结构通过集成注意力导向的多路径功能来利用来自各个大型感受野的判别信息。该模型包含两个模块。第一个是上下文提取模块（CEM），它从多个接
Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation
u013548568的博客
01-08 2501
1、Introduction 作者设计了一个网络，运用GAN来预测遮挡的人体部位 G：生成pose热度图和occlusion热度图 P：pose discriminator 和 confidence discriminator{ P, C } 2、网络结构 2.1 多任务的生成式网络 利用生成式网络生成y,z，y是pose heatmap，z是occlusion heatmap
【SSN】：Spatial Shortcut Network for Human Pose Estimation
yuanCruise
08-25 1437
1.概述 现有的基于姿态估计的方式，是通过逐像素分类实现的，这种方式是考虑不到大范围的空间信息的。举例来说：在左图中，由于肘关节的外观与膝关节非常相似，对于一个感受野仅能覆盖肘关节本身的小特征提取器，很难将两者区分开来。但如果感受野能同时看到附近的手腕或肩膀，那么将其归类为肘部就容易得多。同样，在中间的图像中，要确定身体的某个部位是左还是右，人的头部和手的方向是重要的信息。在涉及单人姿态估计的方法...
(12) Multi-person Pose Estimation : heatmap +Offsets :G-RMI
qq_17721239的博客
09-19 1739
Towards Accurate Multi-person Pose Estimation in the Wild CVPR 2017 reading time: 2019/09/18 paper address:https://arxiv.org/pdf/1701.01779.pdf 论文采用top-down的结构，分为两个阶段: 第一阶段使用faster rcnn做detectio...
(3D-HPE)End-to-end Recovery of Human Shape and Pose
qq_17721239的博客
11-06 1365
End-to-end Recovery of Human Shape and Pose (CVPR2018) 参考：https://blog.csdn.net/sinat_28699719/article/details/93596169 参考：https://zhuanlan.zhihu.com/p/256358005 1、文章提出了一个端到端的方法从二维图像恢复三维人体模型的框架。 2、现有的一些从单张图片恢复人体3D网格的方法专注于恢复人体3D关键点的坐标位置，然而这样做有如下不足之处： 关
（30）Toward fast and accurate human pose estimation via soft-gated skip connections
qq_17721239的博客
05-18 1248
mpii数据集目前精度最高。阅读时间：2020/05/18 创新1：文章对于残差块中的直接连接，以及hourglass中的编解码模块相同分辨率等情况的skip connection的作用进行研究，表示直接连接可能影响结论。并通过试验发现很多情况下参数a是0，即不需要连接。正对此提出了gated skip connection. a， 标量。就是连接控制的权值。通过方向传播学习到。这样就可以算出每一个通过到是否要连接。 创新2： 结合hourglass和unet的改进。B)先进行级联...
(3D-HPE) Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image
qq_17721239的博客
11-10 1228
Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image（ECCV2016） 三维的姿态估计，忽略了人体的shape. 三位骨骼看似合理，但是可能拟合的shape是unnatural的。 之前的工作，有的基...
(3D-HPE)Learning to Reconstruct 3D Human Pose and Shape via Model-fitting in the Loop
qq_17721239的博客
11-10 1168
Learning to Reconstruct 3D Human Pose and Shape via Model-fitting in the Loop (ICCV2019) github: https://seas.upenn.edu/˜nkolot/projects/spin 人体三维姿态和体型估计，目前分为：基于模型（model-based）的和非基于模型的方法。而基于模型的姿态估计又分为基于优化的方法和基于回归的方法； 基于优化的方法以迭代的方式将参数化人体模型（parametric...
LSTM-Attention
最新发布
04-07
In the LSTM-Attention architecture, the LSTM network is augmented with an attention mechanism that learns to assign weights to each element of the input sequence based on its relevance to the current ...
评论
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