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。