用于高速多人姿态估计的多级网络
计算机视觉与模式识别
2019-11-27 v1
摘要
在多人姿态估计中，由于外观相似，左右关节类型判别一直是个难题。传统上，我们通过堆叠多个细化模块来解决该问题，以增大网络感受野并捕获更多全局上下文，但这也会大幅增加计算量。本文提出一种多级网络（MLN），其学习聚合来自低层（左右信息）、上层（定位信息）、关节-肢体层（互补信息）和全局层（上下文）信息的特征，用于关节类型判别。通过特征复用及其内部关联，MLN 在保持 42.2 FPS 运行速度的同时，可达到与其他常规方法相当的性能。
引用
@article{arxiv.1911.11686,
title = {Multi-Level Network for High-Speed Multi-Person Pose Estimation},
author = {Ying Huang and Jiankai Zhuang and Zengchang Qin},
journal= {arXiv preprint arXiv:1911.11686},
year = {2019}
}
备注
5 pages, published at ICIP 2019