ICCVAug, 2018

利用有限资源的分层二元卷积神经网络进行关键点定位

PDF
TL;DR本文提出了一种具有轻量、紧凑和适用于适用于计算资源有限应用的体系结构，并在人体姿势估计和面部对齐等定位任务上，详细研究了神经网络二值化的效果，提出了多种正交方法来提高性能，在此基础上，提出了一种新的分层、并行和多尺度残差架构，同时具有与标准瓶颈块相同数量的参数，从而填补了原始网络与其二值化对应物之间的差距，大幅提高了性能，并在人体姿势估计和面部对齐等最具挑战性的数据集上获得了最前沿的表现，同时探究了其性质与性能，并支持关于面部部分分割的其他结果。
convolutional neural networksneural network binarizationhuman pose estimationfacial alignmentfacial part segmentation
发现论文，激发创造
  • 面向有限资源的二值化卷积关键点定位器用于人体姿态估计和面部对齐

    探讨神经网络二值化在人体姿态估计和面部对齐任务中的效果，提出了一种新的分层，平行和多尺度残差架构，该架构在性能方面具有显著改进，并在人体姿态估计和面部对齐任务中进行了实验，表现优异。

    Mar, 2017

  • 用于人体姿态估计和图像识别的二进制网络的改进训练

    本篇论文提出一系列工程技术来改善二值化神经网络的准确性，包括更合适的激活函数、反向初始化、渐进式量化、网络叠加等，并在人体姿态估计和 ImageNet 大规模图像识别任务中验证了其优越性。此外，还首次探讨了二值化神经网络和知识蒸馏相结合的效果。

    Apr, 2019

  • 构造感知完全卷积神经网络的对抗学习用于地标定位

    通过结构感知的全卷积网络以及 GAN 的显式 / 隐式学习策略，该论文提出了一种解决单目图像中姿态估计问题的方法，并在 2D 和 3D 姿态估计以及人脸重要标识等相关任务上显著优于现有方法。

    Nov, 2017

  • 基于地标引导的语义部件分割的 CNN 级联

    本文提出一种卷积神经网络级联架构，利用关键点嵌套的姿态特定信息进行语义部件分割，经测试该网络在面部数据集上具有较高性能。

    Sep, 2016

  • BiHRNet：用于人体姿势估计的二进制高分辨率网络

    在本研究中，提出了一种名为 BiHRNet（Binary HRNet）的二值人体姿势估计器，该估计器在适应二值神经网络（BNN）的同时保留了 HRNet 的关键点提取能力，通过提出二值网络训练过程的优化方法以及设计更适合二值化的结构，实现了更少的计算资源开销和精度下降，并在实验中取得了较好的性能。

    Nov, 2023

  • 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

  • 卷积神经网络实现高效的物体定位

    通过深度卷积网络及位置细化模型使人体姿态的关节定位精度得到提升

    Nov, 2014

  • 使用训练二值化的准确紧凑卷积神经网络

    本文提出了一种改进的训练方法来提高具有更高准确性的紧凑型二值化 CNN，其中可训练的权重和激活的比例因子被引入以增加值范围，并通过反向传播与其他参数一起进行训练。通过这些改进，与前人工作相比，本文二值化 CNN 在 CIFAR-10 上的准确度达到 92.3％，在 ImageNet 上，我们的方法用 AlexNet 获得 46.1％的 top-1 准确度，用 Resnet-18 获得 54.2％的 top-1 准确度。

    Sep, 2019

  • 结构化二进制神经网络用于图像识别

    通过量化模型，将卷积神经网络结构进行近似重构，创新性地提出群组分解策略（Group-Net），并嵌入上下文信息以进行准确的语义分割，首次将二进制神经网络应用于目标检测，展示了在精度和计算效率方面优于文献中各种量化网络的方法。

    Sep, 2019

  • 基于 Hourglass 网络的图像定位

    本文提出了一种基于编码器 - 解码器卷积神经网络结构的相机姿态估计方法，通过单张 RGB 图像来确定相机的方向和位置，包括卷积、上卷积和回归，利用大规模分类数据的转移学习，研究表明该方法在不同光照条件、反射和运动模糊的数据上具有良好的性能表现，与其他仅仅使用测试帧序列的方法相比具有明显的优越性。

    Mar, 2017