面向人体姿态估计的深度高分辨率表征学习
计算机视觉与模式识别
2019-02-26 v1
摘要
这是“面向人体姿态估计的深度高分辨率表征学习”的官方 pytorch 实现。本工作中，我们关注人体姿态估计问题，重点在于学习可靠的高分辨率表征。大多数现有方法从高-低分辨率网络产生的低分辨率表征中恢复高分辨率表征。相反，我们提出的网络在整个过程中保持高分辨率表征。我们从作为第一阶段的高分辨率子网络开始，逐步逐一添加高-低分辨率子网络以形成更多阶段，并并行连接多分辨率子网络。我们进行重复的多尺度融合，使得每个高-低分辨率表征反复从其他并行表征接收信息，从而产生丰富的高分辨率表征。因此，预测的关键点热图可能更准确且空间上更精确。我们通过在两个基准数据集：COCO 关键点检测数据集和 MPII Human Pose 数据集上优越的姿态估计结果，实证展示了我们网络的有效性。代码与模型已公开于 \url{https://github.com/leoxiaobin/deep-high-resolution-net.pytorch}。
引用
@article{arxiv.1902.09212,
title = {Deep High-Resolution Representation Learning for Human Pose Estimation},
author = {Ke Sun and Bin Xiao and Dong Liu and Jingdong Wang},
journal= {arXiv preprint arXiv:1902.09212},
year = {2019}
}
备注
accepted by CVPR2019