HintPose：基于实例线索与循环细化的自顶向下姿态估计模型
计算机视觉与模式识别
2020-03-05 v1
摘要
大多数自顶向下姿态估计模型假设一个边界框内仅存在一个人。然而该假设并非总是成立。在本技术报告中，我们将实例线索与循环细化两种思路引入现有姿态估计器，使模型能够妥善处理含多人的检测框。在COCO17关键点数据集上评估时，相较基线模型显示出不可忽略的提升。我们的模型作为单一模型在test-dev集上取得76.2 mAP，作为集成模型取得77.3 mAP，且无需额外训练数据。经独立细化网络额外后处理之后，我们的最终预测在COCO test-dev集上达到77.8 mAP。
引用
@article{arxiv.2003.02170,
title = {HintPose},
author = {Sanghoon Hong and Hunchul Park and Jonghyuk Park and Sukhyun Cho and Heewoong Park},
journal= {arXiv preprint arXiv:2003.02170},
year = {2020}
}
备注
Presented at "Joint COCO and Mapillary Workshop at ICCV 2019: Keypoint Detection Challenge Track"