Jul, 2020

高效 HRNet: 轻量级高分辨率多人姿态估计的高效缩放

PDF
TL;DR本研究提出了 EfficientHRNet，这是一系列轻量级多人姿势估计器，能够在资源受限设备上实时执行姿势估计操作。通过将模型缩放的最新进展与高分辨率特征表示的统一，EfficientHRNet 在降低计算量的同时创建高度准确的模型，最大的模型能够在 1/3 的计算量和 1/3 的功率的情况下，实现与现有最先进水平相近的精度。
multi-person pose estimationefficienthrnetlightweightreal-timeresource-constrained hardware
发现论文，激发创造
  • Lite Pose: 高效的 2D 人体姿势估计架构设计

    本文研究如何设计有效的单支脚神经网络用于在边缘设备上进行实时多人姿态估计，移除高分辨率分支，增强模型容量并大大减少计算成本，提高了姿态估计的效率和性能。

    May, 2022

  • HigherHRNet：基于比例感知的自下而上人体姿势估计表示学习

    这篇论文提出了 HigherHRNet，一种新的从下往上的人体姿态估计方法，使用高分辨率特征金字塔学习尺度感知表示，具有多分辨率监督训练和多分辨率聚合推理的能力，能够解决下向多人姿势估计中的尺度变化挑战，从而更精确地定位关键点，尤其适用于小尺寸人体，实现了比以前最好的下向方法在 COCO test-dev 中中等人体上 2.5% AP 的提高。在 CrowdPose test 上，HigherHRNet 甚至超过了所有自上而下的方法，表明其在拥挤场景中具有鲁棒性。

    Aug, 2019

  • 多阶段 HRNet: 用于人体姿态估计的多阶段高分辨率网络

    本文介绍了一种名为 Multi-Stage HRNet 的人体姿势估计模型，并采用多阶段网络和交叉阶段特征聚合等技术优化了关键点位置，从而在 COCO 数据集上取得了 77.1 AP 得分。

    Oct, 2019

  • EfficientPose：神经架构搜索优化的高效人体姿态估计

    本文提出了一个高效的框架来解决人体姿势估计的问题，通过可微分神经架构搜索方法来个性化定制网络设计，并介绍了空间信息校正模块来提高最终预测的效果。实验结果表明，我们的最小模型只有 0.65 GFLOPs，在 MPII 上具有 88.1% 的 [email protected]，并且我们的大型模型只有 2 GFLOPs，而其准确性与最先进的大型模型 HRNet 相当 。

    Dec, 2020

  • Dite-HRNet：用于人体姿态估计的动态轻量级高分辨率网络

    通过在高分辨率网络中引入动态轻量化、多尺度上下文信息提取、长距离空间依赖建模的方法，本文提出了一种动态轻量化高分辨率网络模型（Dite-HRNet），该模型在 COCO 和 MPII 人体姿态估计数据集上取得了优异的表现，超越了现有的轻量化网络模型。

    Apr, 2022

  • 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

  • Lite-HRNet：轻量级高分辨率网络

    本论文提出了高效高分辨率网络 Lite-HRNet，通过条件通道加权替代 shuffle blocks 中的昂贵的逐点（1x1）卷积来提高轻量级网络，对人体姿势估计和语义分割任务都能提供卓越的结果。

    Apr, 2021

  • CPU 实时 2D 多人姿态估计：轻量级 OpenPose

    本文将基于 OpenPose 的从下往上的方法适配多人姿态估计架构用于边缘设备，并提出了相应的网络设计和后处理代码优化，实现了 28fps 和 26fps 的帧率，模型参数为 4.1M，GFLOPs 为 9B，是基准 2 阶段 OpenPose 复杂度的 15% 。

    Nov, 2018

  • 简单轻量级人体姿态估计

    本文提出了一种简单、轻量级的人体姿态估计方法 LPN，它采用深度可分离卷积和注意力机制来设计轻量级的 bottleneck 模块，并基于此设计了 LPN 网络。我们的网络仅有 SimpleBaseline（ResNet50）大小的 9% 和复杂度的 11%，并提出了迭代训练和模型无关的 Beta-Soft-Argmax 后处理方法，在 COCO 关键点检测数据集上达到了较高的精度和效率

    Nov, 2019

  • AdaptivePose：将人体部位作为适应点

    本文提出了一种更加紧凑和高效的多人姿态估计框架，使用自适应点集来表示人体部位并使用单阶段网络精细地回归多人姿态，在 COCO 测试开发数据集上实现了最佳速度 - 准确度平衡。

    Dec, 2021