Dec, 2013

使用卷积网络学习人体姿势估计特征

HTML
PDF
TL;DR本文提出了一种新的基于卷积神经网络的人体姿势估计的架构和改进的学习技术，能够学习底层特征和高级弱空间模型，在姿态估计中比现有传统架构实现了显著改善。同时，本文探讨了一些研究中发现的经验教训，表明在一些情况下，甚至仅涵盖图像中的几个像素的特征检测器也可以产生出强的特征检测结果，并且高级空间模型对姿势估计的改善效果相对较小。本文的主要贡献在于展示了一种特定变体的深度学习可以在该任务上胜过所有现有传统架构。
发现论文，激发创造
  • DeepPose: 使用深度神经网络进行人体姿势估计

    本文提出一种基于深度神经网络的人体姿势估计方法，将姿势估计表示为一种基于DNN的回归问题，通过级联DNN回归器来提高姿势估计的精确性，并在四种不同类型的学术基准测试中取得了优异的实验结果。

    Dec, 2013

  • 卷积网络和图形模型联合训练的人体姿态估计

    本文提出一种新的混合架构，并将其成功应用于单眼图像中的人体姿态估计等领域，同时提出了联合训练的想法以提高性能并明显超越现有技术。

    Jun, 2014

  • 图形模型智能估计具有图像相关对关系的关节姿态

    使用深度卷积神经网络和图形模型，从单个静态图像中估计人的关节姿势，利用局部图像测量，定义图形模型并尝试预测它们之间的空间关系，从而充分利用图像相关联的先验知识。

    Jul, 2014

  • 卷积模型用于联合物体分类和姿态估计

    本文探讨了深度学习方法在物体识别和姿态估计方面的应用，发现卷积神经网络（CNN）可以同时进行物体分类和姿态估计，并在两个大型多视点数据集上实现了优于最先进方法的表现。

    Nov, 2015

  • 卷积姿势机

    本研究提出了一种通过将卷积网络与姿态机器学习框架相结合的系统设计来学习图像特征和图像相关的空间模型，以实现姿态估计的任务，并解决了训练过程中梯度消失的问题，其通过提供自然的学习目标函数来约束学习过程，最终在MPII， LSP和FLIC等标准基准测试中实现了最先进的性能表现并超越了竞争方法。

    Jan, 2016

  • 用于人体姿态估计的叠层沙漏网络

    该研究提出了一种新的卷积神经网络架构来进行人体姿势估计，采用自下而上、自上而下的处理方式及中间监督来提高网络的性能，在 FLIC 和 MPII 基准测试中取得了最先进的成果，并以堆叠沙漏网络总结了该架构的步骤。

    Mar, 2016

  • 对抗 PoseNet：一种结构感知的卷积网络，用于人体姿态估计

    本文使用结构感知卷积网络来隐式地将人体结构的先验信息纳入深度网络的训练，以便在单目图像中实现更好的人体姿态估计。

    Apr, 2017

  • 学习特征金字塔以进行人体姿势估计

    本文提出了用金字塔残差模块来增强深度卷积神经网络的规模不变性，结合多分支网络设计权重初始化方法来在人体姿态估计任务上取得最新的最优结果。

    Aug, 2017

  • 基于深度的实时卷积网络人体姿势估计

    本文提出一种利用深度图像结合卷积神经网络实现快速且可靠的多人姿态估计算法的方案，可以有效地应用于人机交互领域；具体贡献包括提出了基于残差块的快速网络、构建了包括170k多张人体合成图像与真实标注数据在内的公开数据集用于评估，证明了该模型在真实数据上性能良好。

    Oct, 2019

  • 简单轻量级人体姿态估计

    本文提出了一种简单、轻量级的人体姿态估计方法LPN，它采用深度可分离卷积和注意力机制来设计轻量级的bottleneck模块，并基于此设计了LPN网络。我们的网络仅有 SimpleBaseline（ResNet50）大小的9%和复杂度的11%，并提出了迭代训练和模型无关的Beta-Soft-Argmax后处理方法，在COCO关键点检测数据集上达到了较高的精度和效率

    Nov, 2019