EvoPose2D：利用带权重迁移的加速神经进化推动二维人体姿态估计的边界
计算机视觉与模式识别
2021-10-06 v2 人工智能
摘要
神经架构搜索已被证明在设计高效卷积神经网络方面极为有效，这类网络比手工设计的网络更适合移动端部署。我们假设神经架构搜索在人体姿态估计中具有巨大潜力，首次探索受生物进化启发的神经架构搜索形式——神经进化——在二维人体姿态网络设计中的应用。此外，我们提出一种新的权重迁移方案，使我们能够以灵活的方式加速神经进化。我们的方法产生的网络设计比最先进的手工设计网络更高效且更准确。事实上，所生成的网络以比先前低分辨率的手工设计网络更少的计算量处理更高分辨率的图像，使我们得以推动二维人体姿态估计的边界。我们通过神经进化设计的基础网络（称为EvoPose2D-S）在准确性上与SimpleBaseline相当，同时快50%且文件体积小12.7倍。我们最大的网络EvoPose2D-L在Microsoft COCO Keypoints基准上取得了新的SOTA精度，比其最接近的竞争者小4.3倍，并具有相近的推理速度。代码公开于https://github.com/wmcnally/evopose2d。
引用
@article{arxiv.2011.08446,
title = {EvoPose2D: Pushing the Boundaries of 2D Human Pose Estimation using Accelerated Neuroevolution with Weight Transfer},
author = {William McNally and Kanav Vats and Alexander Wong and John McPhee},
journal= {arXiv preprint arXiv:2011.08446},
year = {2021}
}