基于深度卷积神经网络的异构多任务人体姿态估计
计算机视觉与模式识别
2014-06-16 v1 机器学习
神经与进化计算
摘要
我们提出了一种基于深度卷积神经网络的异构多任务学习框架，用于从单目图像进行人体姿态估计。具体而言，我们在深度网络架构中同时学习姿态关节回归器和滑动窗口身体部位检测器。我们表明，包含身体部位检测任务有助于正则化网络，引导其收敛到良好的解。我们在多个数据集上报告了具有竞争力且达到最先进水平（state-of-art）的结果。我们还通过实验表明，我们网络中间层学习到的神经元被调谐以响应局部身体部位。
引用
@article{arxiv.1406.3474,
title = {Heterogeneous Multi-task Learning for Human Pose Estimation with Deep Convolutional Neural Network},
author = {Sijin Li and Zhi-Qiang Liu and Antoni B. Chan},
journal= {arXiv preprint arXiv:1406.3474},
year = {2014}
}