利用卷积网络进行高效物体定位
计算机视觉与模式识别
2015-06-10 v3
摘要
近期在人体姿态估计方面的最先进性能是通过深度卷积网络（ConvNets）实现的。传统的 ConvNet 架构包含池化和下采样层，这些层降低了计算需求，引入了不变性并防止了过训练。然而，池化的这些优势是以降低定位精度为代价的。我们提出了一种新颖的架构，其中包含一个高效的“位置细化”模型，该模型经过训练以估计图像小区域内的关节偏移位置。该细化模型与最先进的 ConvNet 模型级联联合训练，从而提高了人体关节位置估计的精度。我们表明，我们的检测器在 FLIC 数据集上的方差接近人工标注的方差，并且在 MPII-human-pose 数据集上优于所有现有方法。
引用
@article{arxiv.1411.4280,
title = {Efficient Object Localization Using Convolutional Networks},
author = {Jonathan Tompson and Ross Goroshin and Arjun Jain and Yann LeCun and Christopher Bregler},
journal= {arXiv preprint arXiv:1411.4280},
year = {2015}
}
备注
8 pages with 1 page of citations