CRF-CNN：在人体姿态估计中建模结构化信息
计算机视觉与模式识别
2016-11-03 v1
摘要
深度卷积神经网络（CNN）已取得巨大成功。另一方面，建模结构化信息已在许多视觉问题中被证明至关重要。将二者有效结合极具意义。在经典神经网络中，同一层神经元之间不存在消息传递。本文中，我们提出一种CRF-CNN框架，能够以概率方式同时建模输出层和隐藏特征层中的结构化信息，并将其应用于人体姿态估计。我们提出了一种消息传递方案，使得在各层中每个身体关节都能高效地从所有其他关节接收消息。这种消息传递可通过同一层内特征图之间的卷积实现，并且还与神经网络中的前馈传播相集成。最后，给出了端到端学习CRF-CNN的神经网络实现。其在两个基准数据集上的实验验证了有效性。
引用
@article{arxiv.1611.00468,
title = {CRF-CNN: Modeling Structured Information in Human Pose Estimation},
author = {Xiao Chu and Wanli Ouyang and Hongsheng Li and Xiaogang Wang},
journal= {arXiv preprint arXiv:1611.00468},
year = {2016}
}
备注
NIPS