使用深度共识投票的人体姿态估计
计算机视觉与模式识别
2016-03-29 v1 机器学习
摘要
本文中我们考虑从单幅静态图像进行人体姿态估计的问题。我们提出一种新方法，其中图像中每个位置使用卷积神经网络为每个关键点的位置投票。该投票方案使我们能够利用整幅图像的信息，而非依赖于稀疏的关键点位置集合。使用密集的多目标投票，不仅产生良好的关键点预测，还使我们能够通过考察共识投票计算依赖于图像的联合关键点概率。这与大多数先前方法不同，那些方法中联合概率从相对关键点位置学习且与图像无关。我们最终结合关键点投票与联合概率以识别最优姿态配置。我们在 MPII Human Pose 和 Leeds Sports Pose 数据集上展示了我们的竞争性能。
引用
@article{arxiv.1603.08212,
title = {Human Pose Estimation using Deep Consensus Voting},
author = {Ita Lifshitz and Ethan Fetaya and Shimon Ullman},
journal= {arXiv preprint arXiv:1603.08212},
year = {2016}
}