用于人体姿态估计的多尺度监督网络
计算机视觉与模式识别
2018-08-07 v1
摘要
人体姿态估计是计算机视觉中的一个重要课题,具有包括手势与活动识别在内的诸多应用。然而,由于外观变化、遮挡、背景杂乱以及复杂活动,从图像中进行姿态估计具有挑战性。为缓解这些问题,我们基于近期的深度卷积-反卷积模块开发了一种鲁棒的姿态估计方法,并做了两点改进:(1)对身体关键点的多尺度监督,以及(2)用于改善关键点结构一致性的全局回归。我们利用逐层多尺度监督来细化关键点检测热图,以更好地捕捉局部上下文。通过关键点关联的姿态推断在末端使用回归网络进行全局优化。我们的方法能够有效消除邻近关键点的匹配歧义(包括左右身体部位的错配),并更好地推断被遮挡部位。实验结果表明,我们的方法在MPII与FLIC数据集上于当前最优方法中取得了具有竞争力的性能。
引用
@article{arxiv.1808.01623,
title = {Multi-Scale Supervised Network for Human Pose Estimation},
author = {Lipeng Ke and Ming-Ching Chang and Honggang Qi and Siwei Lyu},
journal= {arXiv preprint arXiv:1808.01623},
year = {2018}
}
备注
Accepted by ICIP2018. arXiv admin note: text overlap with arXiv:1803.09894