使用卷积神经网络的链式预测
计算机视觉与模式识别
2016-10-25 v2
摘要
在本文中，我们提出了一种序列到序列模型在视觉任务中结构化输出预测的适配方法。在该模型中，给定输入的输出变量使用神经网络按顺序预测。每个输出变量的预测不仅依赖于输入，还依赖于先前预测的输出变量。该模型应用于空间定位任务，并使用卷积神经网络（CNNs）处理输入图像，以及多尺度反卷积架构在每个时间步进行空间预测。我们探索了在连续预测之间具有循环连接矩阵的权重共享的影响，并将其与这些权重未绑定的公式进行比较。未绑定的权重特别适用于具有固定大小结构的问题，其中在不同步骤预测不同类别的输出。我们展示了链式预测在单图像和视频的人体姿态估计中取得了顶尖性能结果。
引用
@article{arxiv.1605.02346,
title = {Chained Predictions Using Convolutional Neural Networks},
author = {Georgia Gkioxari and Alexander Toshev and Navdeep Jaitly},
journal= {arXiv preprint arXiv:1605.02346},
year = {2016}
}
备注
in submission to EECV 2016