基于CNN的联合手部检测与旋转估计
计算机视觉与模式识别
2016-12-09 v1
摘要
手部检测对于许多手部相关任务至关重要，例如解析手部姿态、理解手势，这些对机器人和人机交互极为有用。然而，由于腕关节的灵活性和杂乱背景，在非受控环境中的手部检测具有挑战性。我们提出一种基于深度学习的方法，在监督下同时检测手并校准平面内旋转。为保证召回率，我们提出一种上下文感知的候选框生成算法，其显著优于选择性搜索。然后我们设计了一个卷积神经网络（CNN），显式处理目标旋转，以联合解决目标检测和旋转估计任务。实验表明，我们的方法在Oxford和Egohands数据库等广泛使用的基准上取得了比最先进（state-of-the-art）检测模型更好的结果。我们进一步表明旋转估计与分类可相互受益。
引用
@article{arxiv.1612.02742,
title = {Joint Hand Detection and Rotation Estimation by Using CNN},
author = {Xiaoming Deng and Ye Yuan and Yinda Zhang and Ping Tan and Liang Chang and Shuo Yang and Hongan Wang},
journal= {arXiv preprint arXiv:1612.02742},
year = {2016}
}