由位置不一致伪标签校正模块驱动的半监督二维人体姿态估计
计算机视觉与模式识别
2023-03-09 v1
摘要
本文深入研究半监督二维人体姿态估计。先前方法忽视了两个问题：（i）当在大型模型与轻量模型间进行交互训练时，轻量模型的伪标签会被用于引导大型模型。（ii）噪声伪标签对训练的负面影响。此外，用于二维人体姿态估计的标签相对复杂：关键点类别与关键点位置。为解决上述问题，我们提出一种由位置不一致伪标签校正模块（SSPCM）驱动的半监督二维人体姿态估计框架。我们引入一个额外的辅助教师，并利用两个教师模型在不同时期生成的伪标签计算不一致分数并剔除离群点。随后，两个教师模型通过交互训练更新，学生模型使用两教师生成的伪标签进行更新。为进一步提升学生模型性能，我们采用基于伪关键点感知的半监督 Cut-Occlude 来生成更难且有效的样本。此外，我们还提出了一个新的室内顶视鱼眼人体关键点数据集 WEPDTOF-Pose。大量实验表明，我们的方法优于先前最佳的半监督二维人体姿态估计方法。我们将在 https://github.com/hlz0606/SSPCM 发布代码与数据集。
引用
@article{arxiv.2303.04346,
title = {Semi-Supervised 2D Human Pose Estimation Driven by Position Inconsistency Pseudo Label Correction Module},
author = {Linzhi Huang and Yulong Li and Hongbo Tian and Yue Yang and Xiangang Li and Weihong Deng and Jieping Ye},
journal= {arXiv preprint arXiv:2303.04346},
year = {2023}
}