HandAugment：一种用于基于深度图像的3D手部姿态估计的简单数据增强方法
计算机视觉与模式识别
2020-01-24 v2
摘要
基于3D深度图像的手部姿态估计在计算机视觉领域已通过多种技术被广泛探索。尽管基于深度学习的方法近年来大幅提升了性能，但由于缺乏像ImageNet那样的大型数据集或有效的数据合成方法，该问题仍未被解决。本文提出HandAugment，一种通过合成图像数据来增强神经网络训练过程的方法。我们的方法包含两大部分：首先，我们提出一种两阶段神经网络方案，该方案能使神经网络聚焦于手部区域从而提升性能；其次，我们引入一种简单而有效的方法，通过在图像空间中将真实图像与合成图像相结合来合成数据。最后，我们展示了我们的方法在HANDS 2019挑战赛的基于深度图像的3D手部姿态估计任务中取得了第一名。
引用
@article{arxiv.2001.00702,
title = {HandAugment: A Simple Data Augmentation Method for Depth-Based 3D Hand Pose Estimation},
author = {Zhaohui Zhang and Shipeng Xie and Mingxiu Chen and Haichao Zhu},
journal= {arXiv preprint arXiv:2001.00702},
year = {2020}
}
备注
7 pages, 6 figures