基于迭代误差反馈的人体姿态估计
计算机视觉与模式识别
2016-06-14 v3 机器学习
神经与进化计算
摘要
诸如卷积网络 (ConvNets) 之类的层次化特征提取器，在仅使用纯前馈处理的各种分类任务上取得了令人印象深刻的性能。前馈架构可以学习输入空间的丰富表示，但并未显式地建模输出空间中的依赖关系，而这些依赖关系对于诸如铰接式人体姿态估计或物体分割等任务而言是高度结构化的。本文提出了一个框架，通过引入自上而下的反馈，将层次化特征提取器的表达能力扩展到同时涵盖输入和输出空间。我们并非一次性直接预测输出，而是使用一个自校正模型，通过反馈误差预测来逐步改变初始解，我们将这一过程称为迭代误差反馈 (IEF)。IEF 在具有挑战性的 MPII 和 LSP 基准测试的铰接式姿态估计任务上表现出色，在不依赖真实尺度标注的情况下达到了当前最优水平。
引用
@article{arxiv.1507.06550,
title = {Human Pose Estimation with Iterative Error Feedback},
author = {Joao Carreira and Pulkit Agrawal and Katerina Fragkiadaki and Jitendra Malik},
journal= {arXiv preprint arXiv:1507.06550},
year = {2016}
}