CPM论文笔记

本文介绍了CPM(Convolutional Pose Machines),一种用于人体姿态估计的深度学习模型。CPM结合了全卷积网络和Pose Machines,通过多阶段的序列化预测学习图像特征和空间模型。在MPII、LSP、FLIC数据集上取得了先进成果,尤其关注通过上下文特征提高关键点检测的准确性。
摘要由CSDN通过智能技术生成

在这里插入图片描述

0.绪论

  • 什么是人体姿态估计?

    人体骨骼关键点检测即Pose Estimation,主要检测人体的一些关键点,如关节,五官等,通过关键点描述人体骨骼信息;

在这里插入图片描述

  • 人体姿态估计面临的挑战

    由于人体具有相当的柔性,会出现各种姿态和形状,人体任何一个部位的微小变化都会产生一种新的姿态,同时其关键点的可见性受穿着、姿态、视角等影响非常大,而且还面临着遮挡、光照、雾等环境的影响,除此之外,2D人体关键点和3D人体关键点在视觉上会有明显的差异,身体不同部位都会有视觉上缩短的效果(foreshortening),使得人体骨骼关键点检测成为计算机视觉领域中一个极具挑战性的课题。

  • 相关数据集

    LSP(Leeds Sports Pose Dataset):单人人体关键点检测数据集,关键点个数为14,样本数2K,在目前的研究中基本上被弃用;

    FLIC(Frames Labeled In Cinema):单人人体关键点检测数据集,关键点个数为9,样本数2W࿰

  • 1
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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