人体姿态”RMPE: Regional Multi-Person Pose Estimation“
2018-03-01 18:04
274 查看
多人姿态估计新兴研究方向,论文方法RMPE包含三个部分,即,对称空间变换网络(SSTN)、参数化的姿态非极大值抑制及姿态引导的proposal生成器(PGPG)。
多人姿态识别的方法有两步结构、part-based的结构两种。其中两步结构首先检测人体bbox,之后在每个box内独立估计姿态。part-based结构首先检测人体部件,然后组装检测到的人体部件形成多人姿态。
论文的方法是两步法,目标是在bbox不准确的情况下准确检测人体姿态。之前的方法Faster-RCNN结合SPPE Stacked Hourglass模型主要问题:定位错误问题、多检问题。SPPE易受bbox误差的影响,如下图所示:
SSTN是为了从不准确的bbox中提取高质量的人体区域,同时一个平行的SPPE分支用于优化网络,参数化的NMS为了解决冗余检测问题,PGPG用于增强样本。
RMPE的框架如下图所示:
检测器得到的人体bbox输入到Symmetric STN + SPPE模块,生成的姿态proposals由参数化的姿态NMS调整,训练中引入平行的SPPE避免局部最小,PGPG用来增强样本。
平行SPPE分支的输出直接与真值姿态的中心标记比较,这个分支的目的是后向传播center-located 姿态误差。对称STN结构及带有平行SPPE的训练策略:
实验结果
多人姿态识别的方法有两步结构、part-based的结构两种。其中两步结构首先检测人体bbox,之后在每个box内独立估计姿态。part-based结构首先检测人体部件,然后组装检测到的人体部件形成多人姿态。
论文的方法是两步法,目标是在bbox不准确的情况下准确检测人体姿态。之前的方法Faster-RCNN结合SPPE Stacked Hourglass模型主要问题:定位错误问题、多检问题。SPPE易受bbox误差的影响,如下图所示:
SSTN是为了从不准确的bbox中提取高质量的人体区域,同时一个平行的SPPE分支用于优化网络,参数化的NMS为了解决冗余检测问题,PGPG用于增强样本。
RMPE的框架如下图所示:
检测器得到的人体bbox输入到Symmetric STN + SPPE模块,生成的姿态proposals由参数化的姿态NMS调整,训练中引入平行的SPPE避免局部最小,PGPG用来增强样本。
平行SPPE分支的输出直接与真值姿态的中心标记比较,这个分支的目的是后向传播center-located 姿态误差。对称STN结构及带有平行SPPE的训练策略:
实验结果
相关文章推荐
- 人体姿态估计--RMPE: Regional Multi-Person Pose Estimation
- 姿态检查整理--07-RMPE: Regional Multi-Person Pose Estimation
- 姿态估计 RMPE: Regional Multi-Person Pose Estimation 论文学习
- [置顶] 【论文阅读】RMPE:Regional Multi-Person Pose Estimation
- Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗ 实时多人人体姿态估计论文原理讲解
- 【转】论文阅读:《RMPE: Regional Multi-Person Pose Estimation》ICCV 2017
- 人体姿态识别之RMPE
- 论文阅读:《RMPE: Regional Multi-Person Pose Estimation》ICCV 2017
- 从单幅深度图识别人体姿态
- 报名 | 让机器读懂你的意图——人体姿态估计入门
- 人体姿态估计
- 人体身份识别(Person Re-Identification)系统框架
- 基于410c开发板和摄像头的人体姿态估计(预研分析)
- 姿态论文整理--02-Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
- 2017CV技术报告:从3D物体重建到人体姿态估计
- 人体姿态估计--Stacked Hourglass Networks for Human Pose Estimation
- 公开课 | 让机器读懂你的意图——人体姿态估计入门
- DeepCut及DeeperCut:基于Tensorflow的人体姿态估计
- 实录 | 旷视研究院详解COCO2017人体姿态估计冠军论文(PPT+视频)
- 人体姿态估计综述