面向上下文的人头部检测 CNN
该研究提出了一种新的联合头部和人体检测网络,包括设计一个头体关系区分模块执行头和身体之间的关系学习,并利用所学关系来减少头部误报率和提高人体检测率。进行相关实验后,该联合检测器在三个基准数据集中取得了最佳性能,且提供新的注释,源代码和训练模型以便进一步研究。
Sep, 2019
本文提出了一种结合上下文信息进行人物搜索的框架,并通过相对注意力机制筛选场景中有用的上下文信息和建立图形学习框架来实现目标相似性的有效更新,该框架在两个广泛使用的人物搜索数据集上取得了最先进的性能。
Apr, 2019
本文提出了一种新的人物识别框架:区域注意力网络,它能够以实例相关的方式自适应地组合不同的视觉线索,并学习社交上下文和人物身份的推理,从而在复杂的环境中大幅提高了鲁棒性。
Jun, 2018
本文提出了一种综合局部外观特征,对象关系的上下文信息和全局场景上下文特征的集合物体检测系统,该系统采用基于对象建议的完全连接条件随机场(CRF)进行建模,并利用快速平均场近似方法有效地进行 CRF 模型中的推理,实验结果表明,与基线算法 Faster R-CNN 相比,我们的方法在 PASCAL VOC 2007 数据集上实现了更高的平均精度(mAP).
Apr, 2016
本研究探讨了卷积神经网络在处理单目视觉下 3D 人体姿态感知任务方面的能力,通过将时间维度编码在卷积空间中的第三个维度,直接回归到 3D 坐标空间中的人体关节位置,从而在选定的 Human3.6M 数据集上展示了该网络达到了最先进的性能。
Aug, 2016
提出一种基于卷积神经网络的人物识别系统,针对不同的身体线索和训练数据量的信息量,系统的常见故障模式进行了深入分析,并讨论了现有基准的局限性并提出更具挑战性的基准,其简单易用且在社交媒体照片数据集(PIPA)上达到了更好的成果。
Sep, 2015
该论文提出了一种基于多图像区域(头部、身体等)的简单的人员识别框架,以应对社交媒体照片中的人员识别问题,并针对训练和测试样本之间的时间和外观差距提出了新的识别方法,该方法在 PIPA 基准上取得了最先进的结果,对不同的特征进行了深入的分析。
Oct, 2017
本文针对使用 Mask RCNN 进行人体姿态估计时存在的性能问题及效率问题,提出了一种基于改进后的全局上下文模块和 ResNet-50 骨架的人体姿态估计方法,取得了较好的姿态估计效果和运行效率。
Jan, 2023
本文提出一种新的遮挡感知 R-CNN (OR-CNN) 检测算法来提高人群中行人检测的准确率,其中使用的新型聚合损失来将建议的探测框紧密地与相应的对象定位;使用新的部分遮挡感知 ROI 池化单元来整合人体结构的前期结构信息以及可见性预测到网络中来处理遮挡,此检测器在三个行人检测数据集上达到了最新的结果,并且在 Caltech 上与最新技术持平。
Jul, 2018
本文提出了一种名为 Double Anchor R-CNN 的框架, 处理拥挤场景下的人体检测,通过身体和头部匹配双重先验区域提出与提出交叉策略以及联合的后期处理模块,实现在拥挤场景下同时检测每个人的头部和身体,并在 CrowdHuman, COCOPersons(拥挤子数据集)和 CrowdPose(拥挤子数据集)数据集上取得了最新颖的结果。
Sep, 2019