用于多人人体姿态估计的双路径网络
计算机视觉与模式识别
2017-10-30 v1
摘要
自然场景中的多人人体姿态估计任务极具挑战性。现有方法包括自上而下和自下而上两类。自下而上方法的主要优势在于其在估计精度与计算成本之间取得了卓越的平衡。我们遵循这一路径，旨在设计更小、更快且更准确的神经网络，用于关键点回归和肢体关联向量回归。这两项回归任务天然相互依赖。在本工作中，我们提出了一种专为多人人体姿态估计设计的双路径网络，并在模型大小、前向速度和估计精度方面与 OpenPose 网络进行了性能比较。
引用
@article{arxiv.1710.10192,
title = {Dual Path Networks for Multi-Person Human Pose Estimation},
author = {Guanghan Ning and Zhihai He},
journal= {arXiv preprint arXiv:1710.10192},
year = {2017}
}
备注
ICCV 2017 Workshop on PoseTrack Challenge. Challenge results available at: https://posetrack.net/workshops/iccv2017/posetrack-challenge-results.html