野外手部检测的上下文关注

Apr, 2019

Contextual Attention for Hand Detection in the Wild

Supreeth Narasimhaswamy, Zhengwei Wei, Yang Wang, Justin Zhang, Minh Hoai

TL;DR该研究介绍了 Hand-CNN 这个新的卷积神经网络架构，用于在不受限条件下检测手的掩模和预测手的定向。此外，该研究还介绍了一个包含手部在限制松散条件下的图像的大型手部注释数据集。最后，该研究证明了 Hand-CNN 在多个数据集上的优越表现，同时也进行了手部检测的消融研究以证明所提出的上下文注意力机制的有效性。

Abstract

We present hand-cnn, a novel convolutional network architecture for detecting hand masks and predicting →

hand-cnn convolutional network architecture hand masks hand orientations contextual attention module

发现论文，激发创造

在野外检测手部并识别物理接触

本文提出一种基于卷积网络的手部检测与物体接触状态识别方法，采用两种注意力机制以及另一个物体检测器的输出，结合手部位置信息和场景中的物体位置信息，实现对手部接触状态的识别，并使用 ContactHands 数据集验证其优越性。

Oct, 2020

使用卷积神经网络实现精细手部分割

该研究提出了一种基于卷积层的深度学习架构，用于从自我中心视角提取手部的精确掩模，并证明该方法在多尺度下既准确又高效。

Aug, 2016

利用卷积神经网络实现手部联合检测和旋转估计

该论文提出了基于深度学习的手部检测方法，在同一时间内对手部进行检测和旋转校准。借助上下文感知建议生成算法以保证召回率，并设计了一个 CNN 来显式处理物体旋转问题，实验证明该方法在人机交互等领域的应用优于现有方法。

Dec, 2016

目标检测的关注上下文

通过开发一种名为 AC-CNN 的新型神经网络模型，将全局和局部上下文信息有效地结合到区域卷积神经网络中，提高了目标检测性能，特别是在 PASCAL VOC 2007 和 VOC 2012 数据集上，与目前主流的 Fast-RCNN 算法相比在 mAP 方面分别提高了 2.0％和 2.2％

Mar, 2016

基于姿态注意力的手势人体动作识别

本研究提出一种基于时空注意力机制的人体动作识别方法，采用外部信息（人的姿态）提取注意力分布，采用 RNN 实现注意力的递归处理，以实现自动关注动作中最活跃的手部，并检测最具区分度的动作要素，并在 NTU-RGB + D 数据集上获得最先进的结果。

Dec, 2017

面向上下文的人头部检测 CNN

本研究利用全局 CNN 模型和成对 CNN 模型来检测自然场景下的人头部位，通过引入新的数据集进行测试，结果显著提高了人头部位检测的准确性，并优化了检测速度。

Nov, 2015

CMS-RCNN：用于非约束性人脸检测的上下文多尺度区域卷积神经网络

提出一种名为 CMS-RCNN 的面部检测方法，用于应对面部识别领域中的挑战性问题，该方法将多尺度信息与人体上下文信息相结合，具有排名第一的性能表现。

Jun, 2016

使用卷积神经网络进行实时手势检测与分类

本研究提出了一种层次结构的卷积神经网络架构，通过使用滑动窗口方法，使离线工作的卷积神经网络架构能够高效地在线操作，同时细化了手势检测和分类。该架构达到了 94.04％和 83.82％的离线分类准确率以及可实现良好的在线操作表现。

Jan, 2019

人员再识别的和谐注意力网络

本研究通过在卷积神经网络中联合学习软像素注意力和硬区域注意力以及特征表示，优化了未对齐人物图像中的人物重识别，相对于现有的一些方法具有明显的优越性。

Feb, 2018

人体姿态估计的多上下文注意力

本文提出将卷积神经网络与多上下文关注机制相结合，形成一个端到端的框架，用于人体姿态估计，并采用堆叠的 hourglass 网络生成具有不同语义感知力的多分辨率的注意力图，从局部显著区域到全局语义一致空间不同粒度的着重点，进一步将全局一致模型与着重于不同身体部位的模型相结合，以实现对全身不同身体部位的详细描述，证明了多上下文关注机制和 hourglass 残差单元在两个公共数据集上的有效性和优越性。

Feb, 2017