面向关键点检测的高效分组方法
计算机视觉与模式识别
2020-10-26 v1
摘要
深度神经网络在传统关键点检测任务上的成功鼓励研究者解决新问题并收集更复杂的数据集。DeepFashion2 数据集的规模对关键点检测任务提出了新挑战，因为它包含 13 个服装类别，涵盖范围广泛的关键点（共 294 个）。直接预测所有关键点会导致巨大的内存消耗、缓慢的训练以及缓慢的推理时间。本文研究了关键点分组方法及其对 CenterNet 架构性能的影响。我们提出了一种简单高效的自动分组技术，配合强大的后处理方法，并将其应用于 DeepFashion2 时尚关键点任务和 MS COCO 姿态估计任务。这在不牺牲精度的情况下，将推理阶段的内存消耗和处理时间分别最多降低 19% 和 30%，训练阶段分别降低 28% 和 26%。
引用
@article{arxiv.2010.12390,
title = {Efficient grouping for keypoint detection},
author = {Alexey Sidnev and Ekaterina Krasikova and Maxim Kazakov},
journal= {arXiv preprint arXiv:2010.12390},
year = {2020}
}
备注
ICPR 2020