仅使用二维人体关键点估计能否学习人类性别？
计算机视觉与模式识别
2022-04-21 v2
摘要
在本文中，我们分析了人类男女性别识别问题，并提出了一种仅使用二维关键点的全自动化分类系统。关键点表示人体关节。一个关键点集合由15个关节组成，关键点估计使用OpenPose二维关键点检测器获得。我们学习了一个深度学习模型，以关键点为输入、二值标签为输出来区分男性和女性。我们在实验部分使用了两个公开数据集——3DPeople和PETA。在PETA数据集上，我们报告了77%的准确率。我们提供了在PETA和3DPeople上的模型性能细节。为了衡量噪声二维关键点检测对性能的影响，我们在3DPeople真实标注和噪声关键点数据上分别进行了实验。最后，我们提取了一组影响分类准确率的因素并提出了未来工作。该方法的优势在于输入规模小且架构简单，使我们能够运行大量实验并在推理中保持实时性能。包含实验和数据准备脚本的源代码已在GitHub上提供（https://github.com/kristijanbartol/human-sex-classifier）。
引用
@article{arxiv.2011.03104,
title = {Can Human Sex Be Learned Using Only 2D Body Keypoint Estimations?},
author = {Kristijan Bartol and Tomislav Pribanic and David Bojanic and Tomislav Petkovic},
journal= {arXiv preprint arXiv:2011.03104},
year = {2022}
}
备注
There was an error in the implementation of the base experiment (#1), i.e., the data preparation step. More specifically, the labels used both for training and evaluation were wrong, thus making the conclusions invalid