CVPRApr, 2020

Yoga-82：一个新的用于人体姿势细粒度分类的数据集

PDF
TL;DR本文提出了细粒度分层姿势分类的概念，并提出了一个大规模的瑜伽姿势识别数据集 Yoga-82，包含三个级别的层次结构，以及基于卷积神经网络的多种分类方法。
human pose estimationfine-grained hierarchical pose classificationyoga-82 datasetconvolutional neural networkhierarchical labels
发现论文，激发创造
  • 3DYoga90: 一个用于瑜伽姿势理解的分层视频数据集

    我们开发了 3DYoga901，这是一个三层标签层次结构的数据集，包括 RGB 瑜伽动作视频和 3D 骨架序列，对于瑜伽动作识别和姿势评估有着重要的推动作用。

    Oct, 2023

  • 细粒度的运动、瑜伽和舞蹈姿势识别：一项基准分析

    人体姿势估计是计算机视觉中的一个复杂问题，本研究通过引入深度学习技术和提出的 SYD-Net 模型，在解决体育运动和舞蹈姿势分类问题上取得了显著的进展。

    Aug, 2023

  • 使用单张图像进行瑜伽姿势识别的高效深度卷积神经网络模型

    YPose 是一个用于从 RGB 图像中识别瑜伽姿势的卷积神经网络模型，采用基于 EfficientNets 骨干的 CNN 架构进行特征提取，并添加了密集连接网络架构中自适应的密集细化块用于学习更多样化的特征，然后应用全局平均池化和全连接层用于瑜伽姿态的多级分类，其在 Yoga-82 数据集上的表现优于之前的最新技术，准确率达到了 93.28%。

    Jun, 2023

  • 瑜伽姿势的视角无关分类框架

    本研究使用从 Human Pose Estimation 模型中提取的 136 个关键点训练 Random Forest 分类器，对 Yogasanas 进行估计，通过测试未见的帧、未见的主题和未见的摄像机角度，提出了评估 Yoga 分类器通用性的三步方案，并分析了迁移学习和目标泄漏的优势和局限性，探讨了交叉验证方法对分类精度的影响，为后续研究提供了数据集和代码。

    Jun, 2022

  • 细粒度物体类别的三维姿态估计

    本文介绍了一种针对细分类别的物体姿态估计的新数据集以及一种基于 Faster/Mask R-CNN 模型的姿态估计框架，同时使用了 3D CAD 模型和 location field 来提高性能。

    Jun, 2018

  • SportsPose -- 一份动态的三维体育姿势数据集

    SportsPose 是一个大规模的姿态数据集，包括高度动态的运动。使用超过 176,000 个来自 24 名不同受试者的 5 种运动活动的 3D 姿势，SportsPose 提供了一组反映了运动复杂和动态性的多样化和全面的 3D 姿势。数据集伴随代码，可以从我们的网站上下载，希望 SportsPose 可用于开发和评估更有效的运动表现分析和损伤预防模型。

    Apr, 2023

  • 大规模多视角 3D 手势姿态数据集

    提出一个多视角手势姿势数据集和一个既简单又准确的、用于实时鲁棒的 2D 手势姿势估计的深度学习框架。

    Jul, 2017

  • 细粒度姿态预测、归一化和识别

    本文提出了一种全卷积网络的方法，通过部位定位和关键点标注来实现表观的转化，以有效解决姿态变化和外观上的微妙差异在微细分类中的挑战。在 CUB200 测试集中表现出最新的性能，为强监督发挥了重要作用。

    Nov, 2015

  • 跨数据集估计人体姿态：一种统一的骨架和多教师蒸馏方法

    通过多教师知识蒸馏与统一的骨骼表示相结合，我们提出了一种新颖的方法来解决姿态估计中不一致的骨骼注释所带来的挑战，同时提升了模型在不同数据集上的适应性，实现了更准确的康复 7 个主要关键点和 21 个扩展关键点的预测。

    May, 2024

  • 基于图像合成的深度 3D 人体姿态估计

    本文提出了一种在 “野外” 环境中进行三维人体姿态估计的解决方案，通过生成大量的具有三维姿势标注的逼真合成图像，并使用这些图像对全身三维姿势进行端对端的卷积神经网络训练，成功地在受控环境（Human3.6M）中优于大多数已发表的作品，并在真实图像（LSP）中展现了有前途的结果。

    Feb, 2018