用于级联手部姿态估计的姿态引导结构化区域集成网络
计算机视觉与模式识别
2019-07-16 v2
摘要
从单张深度图像进行手部姿态估计是计算机视觉与人机交互中的一个重要课题。尽管近期卷积神经网络的发展促进了该领域的进步，但精确的手部姿态估计仍是一个具有挑战性的问题。在本文中，我们提出了一种姿态引导的结构化区域集成网络来提升手部姿态估计的性能。所提出的方法在初始估计姿态的引导下，从卷积神经网络特征图中提取区域，为手部姿态估计生成更优且更具代表性的特征。随后，通过采用树状结构的全连接，根据手部关节的拓扑结构分层集成所提取的特征区域。该网络直接回归出经优化的手部姿态估计，并利用迭代级联方法获得最终的手部姿态。在公开手部姿态数据集上的全面实验表明，我们提出的方法优于 SOTA 算法。
引用
@article{arxiv.1708.03416,
title = {Pose Guided Structured Region Ensemble Network for Cascaded Hand Pose Estimation},
author = {Xinghao Chen and Guijin Wang and Hengkai Guo and Cairong Zhang},
journal= {arXiv preprint arXiv:1708.03416},
year = {2019}
}
备注
Accepted by Neurocomputing