循环人体姿态估计
计算机视觉与模式识别
2017-08-08 v3 神经与进化计算
摘要
我们提出一种新颖的卷积网络模型，用于预测图像中的2D人体姿态。该模型回归每个身体关键点的热力图表示，并能够学习及表征部件外观与部件配置上下文。我们做出以下三点贡献：(i) 一种将前馈模块与循环模块结合的架构，其中循环模块可迭代运行以提升性能；(ii) 该模型可以从头开始端到端训练，并引入辅助损失以提升性能；(iii) 我们探究是否也能预测关键点可见性。该模型在两个基准数据集上进行了评估。结果是一个简单的架构，其性能与当前最优（state of the art）相当，但无需图模型阶段（或层）的复杂性。
引用
@article{arxiv.1605.02914,
title = {Recurrent Human Pose Estimation},
author = {Vasileios Belagiannis and Andrew Zisserman},
journal= {arXiv preprint arXiv:1605.02914},
year = {2017}
}
备注
FG 2017, More Info and Demo: http://www.robots.ox.ac.uk/~vgg/software/keypoint_detection/