(34) RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation

---

 

轻量模型，主要与CVPR2019的FAST pose 对比：

---

 文章将基于部件的结构和几何先验合并到层次预测框架中。与传统的方法不同，我们采用端到端的训练，通过数据的特征更新来学习这个几何先验。

本文的网络结构：

 Kinematic Features Updates：

设定的人体运动学约束如图所示，给定了每一个点的周围关键点。

公式1表示：将一个点的邻居点级联。公式2表示，将1的级联特征通过卷积和bn得到的特征与盖垫的特征相加。最终特征图级联上采样，投影会64个通道，在上采样阶段中，进行关键点预测。