利用标签校正改进多人姿态估计
计算机视觉与模式识别
2018-11-09 v1
摘要
近来，由于卷积神经网络带来的领域快速进展，多人姿态估计方法受到显著关注。特别是，近期利用部位置信图与 Part Affinity Fields（PAFs）的方法已实现多人关键点的准确实时预测。然而，人工标注的标签有时并不适于学习模型。例如，若存在伸出图像之外的肢体，该肢体的关键点可能因位于图像外而无标注，从而无法生成该肢体的标签。若用包含此类缺失标签的数据训练模型，模型在该位置（即便正确）的输出会被作为假阳性惩罚，这可能对模型性能产生负面影响。本文指出若干不适当标签的存在模式，并提出一种利用在此类不完整数据上训练的教师模型来校正此类标签的新方法。在 COCO 数据集上的实验表明，使用校正后的标签训练可提升模型性能并加速训练。
引用
@article{arxiv.1811.03331,
title = {Improving Multi-Person Pose Estimation using Label Correction},
author = {Naoki Kato and Tianqi Li and Kohei Nishino and Yusuke Uchida},
journal= {arXiv preprint arXiv:1811.03331},
year = {2018}
}