半监督与弱监督人体姿态估计
计算机视觉与模式识别
2019-06-05 v1
摘要
针对静态图像中的人体姿态估计，本文提出三种半监督与弱监督学习方案。尽管卷积神经网络的近期进展通过监督训练数据改进了人体姿态估计，我们的重点在于探索半监督与弱监督方案。我们所提方案最初从少量带人体姿态标注的标准训练图像中学习常规的姿态估计模型。对于第一个半监督学习方案，该常规姿态模型在无人体标注的训练图像中检测候选姿态。从这些候选姿态中，仅由分类器使用表征所有身体部件构型的姿态特征选出真阳性。在我们的第二与第三学习方案（分别为半监督与弱监督学习）中，提供给这些图像的动作标签提升了候选姿态估计与真阳性姿态选择的精度。第一与第二学习方案仅选择与监督训练数据中相似姿态，第三方案则通过基于 Dirichlet 过程混合与 Bayes 因子的离群姿态检测进行姿态聚类，选出更多与任何监督姿态显著不同的真阳性姿态。所提方案在大规模人体姿态数据集上得到验证。
引用
@article{arxiv.1906.01399,
title = {Semi- and Weakly-supervised Human Pose Estimation},
author = {Norimichi Ukita and Yusuke Uematsu},
journal= {arXiv preprint arXiv:1906.01399},
year = {2019}
}
备注
Revised preprint submitted to CVIU