用于注意力引导姿态估计的增强并行金字塔网络
计算机视觉与模式识别
2020-03-18 v1
摘要
人体姿态估计的目标是从图像中确定每个人的身体部位或关节位置。这是一个具有广泛应用且具有挑战性的问题。为解决此问题，本文提出一种带注意力局部模块与可微自动数据增强的增强并行金字塔网络。技术上，提出并行金字塔结构以补偿信息损失。我们采用并行结构设计进行逆向补偿。同时，总体计算复杂度并未增加。我们进一步定义注意力局部模块（APM）算子，从并行金字塔结构生成的不同尺度特征图中提取加权特征。与通过上采样算子细化相比，APM 能更好地捕获通道间关系。最后，我们提出一种可微自动数据增强方法以进一步提升估计精度。我们定义新的姿态搜索空间，其中数据增强序列被公式化为可训练且可操作的 CNN 组件。实验证实了所提方法的有效性。值得注意的是，我们的方法在具挑战性的 COCO 关键点基准上取得 top-1 精度，并在 MPII 数据集上取得最先进结果。
引用
@article{arxiv.2003.07516,
title = {Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation},
author = {Luanxuan Hou and Jie Cao and Yuan Zhao and Haifeng Shen and Yiping Meng and Ran He and Jieping Ye},
journal= {arXiv preprint arXiv:2003.07516},
year = {2020}
}