抗混淆：用于人体姿态估计的区域感知网络
计算机视觉与模式识别
2019-05-28 v2
摘要
在这项工作中，我们提出了一个名为区域感知网络（RANet）的新框架，该框架在严重遮挡、邻近人物和对称外观的情况下学习抗混淆能力，用于人体姿态估计。具体而言，所提出的方法分别解决了三个关键方面：数据增强、特征学习和预测融合。首先，我们提出了基于解析的数据增强（PDA）来生成大量合成混淆纹理的数据。其次，我们不仅提出了特征金字塔主干（FPS）以在较低阶段学习更强的低层特征；还引入了有效区域提取（ERE）模块以挖掘更好的目标特定特征。第三，我们引入了级联投票融合（CVF）以明确排除较差的预测，并融合其余有效预测以进行最终姿态估计。在两个流行基准测试（即MPII和LSP）上的大量实验结果表明，我们的方法相对于最先进的竞争对手具有有效性。特别是在易混淆关节上，我们的方法取得了显著改进。
引用
@article{arxiv.1905.00996,
title = {Anti-Confusing: Region-Aware Network for Human Pose Estimation},
author = {Xuan Cao and Yanhao Ge and Ying Tai and Wei Zhang and Jian Li and Chengjie Wang and Jilin Li and Feiyue Huang},
journal= {arXiv preprint arXiv:1905.00996},
year = {2019}
}