- 代码、模型: https://github.com/HRNet/DEKR
- 文章原文:https://arxiv.org/pdf/2104.02300.pdf
- 文章创新:
-
提出 disentangled ketpoint regression(DEKR)即解纠缠关键点回归。
-
使用一个多分支结构进行单独的回归,每个分支会有一个自适应卷积,每个分支会回归一个关键点。
该方法是自底向上的直接回归方法优于关键点检测和分组方法。
通过像素级空间变换(空间变换网络【26】的像素级扩展)来激活位于关键点区域的像素,然后从这些激活的像素学习表示,这样学习到的表示可以集中在关键点部位。
1. 使用的方法
1.1 Disentangled Keypoint Regression(结构式关键点回归)
上图的输入是骨干网络(HRNet)计算的特征,也就是如下式子里的X,作者将这些特征X分成K个分支(图中是3个)分别进行回归,在回归的过程中先使用两个自