用于遮挡行人姿态估计的深度多任务网络
计算机视觉与模式识别
2022-08-09 v2 机器学习
摘要
现有多数行人姿态估计工作未考虑估计被遮挡行人的姿态，因为相关自动驾驶数据集中缺乏被遮挡部位的标注。例如，著名的自动驾驶场景行人检测数据集CityPersons不提供姿态标注，而非自动驾驶数据集MS-COCO则包含人体姿态估计。本文中，我们提出一种多任务框架，通过对这两个分布分别执行检测与实例分割任务来提取行人特征。此后，编码器利用无监督实例级域自适应方法，从两个分布中的行人实例学习姿态特定特征。所提框架提升了姿态估计、行人检测与实例分割的SOTA性能。
引用
@article{arxiv.2206.07510,
title = {Deep Multi-Task Networks For Occluded Pedestrian Pose Estimation},
author = {Arindam Das and Sudip Das and Ganesh Sistu and Jonathan Horgan and Ujjwal Bhattacharya and Edward Jones and Martin Glavin and Ciarán Eising},
journal= {arXiv preprint arXiv:2206.07510},
year = {2022}
}
备注
4 pages, 5 tables, 2 figures