用于手部关键点检测的带深度监督并行多尺度网络
计算机视觉与模式识别
2021-12-21 v1 人工智能
摘要
关键点在广泛应用中有重要作用。然而，预测诸如人手等小物体的关键点是一项具有挑战性的问题。近期工作通过多级特征整合或多分辨率聚合来融合深度卷积神经网络（CNNs）的特征图。尽管取得一定成功，这些特征融合方法增加了CNN的复杂性与不透明性。为解决此问题，我们提出一种名为多尺度深度监督网络（P-MSDSNet）的新型CNN模型，其在不同尺度上以深度监督学习特征图，生成注意力图以实现层间自适应特征传播。P-MSDSNet具有多阶段架构，使其可扩展，而其带空间注意力的深度监督提升了各阶段特征学习的透明性。我们表明，P-MSDSNet在基准数据集上优于SOTA方法，同时所需参数量更少。我们还展示了P-MSDSNet在一项神经科学研究中量化手指敲击手部运动的应用。
引用
@article{arxiv.2112.10275,
title = {Parallel Multi-Scale Networks with Deep Supervision for Hand Keypoint Detection},
author = {Renjie Li and Son Tran and Saurabh Garg and Katherine Lawler and Jane Alty and Quan Bai},
journal= {arXiv preprint arXiv:2112.10275},
year = {2021}
}