ICCVOct, 2019

渐进式上下文精炼的人体关键点检测

PDF
TL;DR本文提出了一种称为 PCR 的新方法，通过多任务学习和利用上下文信息来提高人体关键点检测的性能，并通过利用未标记的 coco 数据集和外部数据集来实现难例推理的最大化潜能。实验结果表明，PCR 模型优于代表最先进的模型，并在 COCO 关键点检测基准测试上取得了最新的最佳表现。
human keypoint detectioncontext informationprogressive context refinementmulti-task learningcoco dataset
发现论文，激发创造
  • 高性能人体关键点检测技术

    本研究提出了一种用于人体关键点检测的有效网络结构、三种有效的训练策略和四种有用的后处理技术，通过积极利用丰富的非标记数据和上下文信息来提高检测准确性，从各个方面解决了由于遮挡、模糊、光照和尺度差异等因素所导致的挑战性问题，并在 MS COCO 关键点检测基准测试上取得了领先于其他参考方法的结果。

    Feb, 2020

  • 面向高性能的单阶段人体姿态估计

    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

  • 大规模多人姿态估计的精度提升

    该论文提出了一种用于多人检测和二维姿势估计的方法，采用两个阶段的简单而强大的自上而下方法，结合使用 Faster RCNN 检测器、关键点基于非最大抑制（Non-Maximum-Suppression）和置信度计算，利用 COCO 数据集训练得到的该系统具有较高的平均精度和表现。

    Jan, 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

  • HintPose

    本研究通过引入两个新的概念 - instance cue 和 recurrent refinement 到已有的姿态估计模型中，以处理带有多个人的检测框，实现了更准确的姿态估计，并在 COCO17 关键点数据集上取得了较高的 mAP 得分。

    Mar, 2020

  • 针对多人姿态估计的学习本地化 - 全局上下文适应

    本文研究了一种名为 LOGO-CAP 的多人姿势估计方法，该方法通过学习局部 - 全局上下文适应来实现准确的多人姿势估计。

    Sep, 2021

  • 借助置信度网络优化多人姿态跟踪

    本研究开发了一种新型关键点置信网络和跟踪流程，以改善自上而下方法中的人体检测和姿势估计，实验结果显示我们的方法在人体检测和姿势估计方面具有普适性，并在 PoseTrack 2017 和 2018 数据集上取得最先进的性能。

    Oct, 2023

  • 级联金字塔网络用于多人姿势估计

    本研究提出了一种名为 CPN 的多人姿态估计的网络结构，该算法采用自上而下的流程首先生成人体边界框，然后在每个边界框内使用 CPN 进行关键点的定位，实验结果显示与 COCO 数据集上的平均精度 73.0 和 72.1 相比，相对提高了 19%

    Nov, 2017

  • QPIC：基于查询的人 - 物交互配对检测，包含图像范围的上下文信息

    提出了一种基于 transformer 的特征提取器，其中关注机制和基于查询的检测起着关键作用，可以避免多个 HOI 实例的特征混合，有效提取上下文重要特征，优于现有方法。

    Mar, 2021

  • 弱监督下基于视觉语境的人物搜索研究

    该论文提出了一种弱监督的人物搜索模型，通过三种层次的上下文线索（检测、记忆和场景）来提高模型的判别能力和聚类准确性，在 CUHK-SYSU 数据集上取得了 80% 的平均精确度，并且在性能上甚至可以与一些有监督的模型媲美。

    Jun, 2021