Apr, 2023

BPJDet：通用身体部件关节点扩展目标表示

PDF
TL;DR本文提出了一种基于 CNN 的新型扩展目标表示法，将人体部位的中心偏移量集成到一个统一的对象表示中，并构建了一种密集的一阶通用身体 - 部位联合检测器 (BPJDet)，利用多任务优化来处理多项任务，以实现身体部位的联合检测，从而改进了人体和部位检测的联合检测，且在保持高检测精度的同时，能达到与同类器具相比的最先进的联合检测性能。
发现论文，激发创造
  • PBADet：一种用于部分 - 身体关联的单阶段无锚点方法

    本论文介绍了一种新的一阶锚点自由方法 ——PBADet，用于人体部位相关性检测，这种设计非常灵活，能够同时管理多个部位与身体的相关性，不仅在检测准确度和稳健性方面优于现有的技术，还提供了更流畅高效的解决方案。

    Feb, 2024

  • 联合头部和人体检测的关系学习

    该研究提出了一种新的联合头部和人体检测网络，包括设计一个头体关系区分模块执行头和身体之间的关系学习，并利用所学关系来减少头部误报率和提高人体检测率。进行相关实验后，该联合检测器在三个基准数据集中取得了最佳性能，且提供新的注释，源代码和训练模型以便进一步研究。

    Sep, 2019

  • DeepCut: 多人姿态估计的联合子集分割与标注

    本研究提出了一种联合解决检测和姿态估计任务的方法，并使用基于 CNN 部件检测器生成的一组身体部位假设的分区和标签化公式，隐含执行非最大化抑制，以形成符合几何和外观约束的身体部件配置，对于单人和多人姿态估计都取得了最新的结果。

    Nov, 2015

  • 学习在虚拟世界中检测和跟踪可见和遮挡的身体关节

    该文章提出了一种新的深度网络架构，它可以跟踪城市场景中的多个人物并解决遮挡问题，同时使用计算机图形学的数据集进行训练，取得了良好的跟踪效果。

    Mar, 2018

  • 使用整体模型和身体部位检测和表示对象

    我们提出了一种新的方法来处理大形变、遮挡和低分辨率，并通过使用全连接模型来对整体目标和动物身体部位的模板进行排列，以更好地处理由形变、遮挡和 / 或低分辨率造成的不同 “可检测性” 模式，并在动物类别上验证其有效性。

    Jun, 2014

  • 深度卷积神经网络中的零件检测器发现

    本文提出了一种基于预训练卷积神经网络的物体部位发现和定位方法 PDD，通过分析网络输出的梯度映射并找到与语义部分或边界框有空间关系的激活中心，实现对 CUB200-2011 数据集进行优秀的监测和分类性能，同时不需要在测试期间给定边界框或计算真假部分。

    Nov, 2014

  • 基于身体关节引导的 3D 卷积深度描述符用于动作识别

    该研究提出了一种利用卷积层激活函数形成判别视频描述符的方法，在身体关节位置的指引下对卷积层数上的特征进行聚合，从而提升视频识别的准确性，并使用双线性模型来使其端到端化和不依赖于任何复杂的身体关节检测算法。

    Apr, 2017

  • 深度卷积神经网络下的人体姿态估计的异构多任务学习

    本文提出了一个异构多任务学习框架，用于通过深度卷积神经网络从单 ocular 图像中实现人体姿势估计，同时学习姿势 - 关节回归器和滑动窗口身体部位检测器，并证明包含身体部位检测任务有助于正则化网络，并指导其收敛于良好解决方案，并在多个数据集上报告了竞争和最先进的结果。 还通过实验证明，我们的网络中间层中学习的神经元针对局部身体部位进行了优化。

    Jun, 2014

  • 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

  • 人物再识别的部分对齐双线性表示

    本文提出了一种新的网络，通过两个流对人体的外观特征和身体部位特征进行提取，使用双线性池化层生成和空间池化对齐后的部分特征图，从而有效地解决了人体部位错位问题，并且在不需要对其进行任何标注的情况下对整个网络进行训练。

    Apr, 2018