Feb, 2020

高性能人体关键点检测技术

PDF
TL;DR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。
human keypoint detectionefficient network structuretraining strategiespostprocessing techniquescontext information
发现论文，激发创造
  • 渐进式上下文精炼的人体关键点检测

    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。

    Oct, 2019

  • 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

  • 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

  • 多尺度监督网络用于人体姿态估计

    该研究提出了基于深度卷积去卷积模型的鲁棒人体姿态估计方法，通过多尺度的上下文监督和全局回归的方式增强模型的姿态鲁棒性，并在 MPII 和 FLIC 数据集上展示了具有竞争力的性能。

    Aug, 2018

  • 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

  • 关键点社群

    用快速的自下而上的方法，结合图形中心性度量对人类或物体上的 100 多个关键点进行检测，为硬件和人物建模，量化关键点的独立性，将训练权重分配给不同部位的姿势。经实验证明该方法优于以往的所有人体姿势估计方法，而且具有很好的泛化性能。

    Oct, 2021

  • 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

  • 人体姿态估计的多尺度结构感知网络

    本文提出了一种多尺度结构感知神经网络，通过多尺度监督、多尺度回归网络、中间监督和结构感知损失以及关键点掩蔽训练方案等四个方面对深度卷积 - 反卷积沙漏模型进行改进，以有效地提高人体姿势估计的性能。该网络不仅可以解决尺度差异、遮挡和复杂多人场景等问题，而且可以全局优化多尺度特征的结构匹配，并在 MPII 挑战排行榜上取得了领先地位。

    Mar, 2018

  • 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