利用合成训练数据基于 RGB 输入的人体姿态估计
计算机视觉与模式识别
2014-05-28 v2
摘要
我们解决了利用 RGB 图像输入估计人体姿态的问题。具体而言，我们使用随机森林分类器将像素分类为基于关节的身体部位类别，这与著名的 Kinect 姿态估计器 [11], [12] 非常相似。然而，我们使用的是纯 RGB 输入，即没有深度信息。由于随机森林需要大量训练样本，我们使用了计算机图形学生成的合成训练数据。此外，我们假设可以访问大量带有边界框标签的真实图像，例如由行人检测器或跟踪系统提取的图像。我们提出了一种新的随机森林训练目标函数，该函数利用来自目标域的弱标记数据，鼓励学习器选择能够从合成源域泛化到真实目标域的特征。我们在一个公开数据集 [6] 上证明，所提出的目标函数产生的分类器显著优于使用标准熵目标 [10] 训练的基线分类器。
引用
@article{arxiv.1405.1213,
title = {Human Pose Estimation from RGB Input Using Synthetic Training Data},
author = {Oscar Danielsson and Omid Aghazadeh},
journal= {arXiv preprint arXiv:1405.1213},
year = {2014}
}
备注
6 pages