SPCNet：用于人体姿态估计的空间保持与内容感知网络
计算机视觉与模式识别
2020-04-14 v1
摘要
人体姿态估计是计算机视觉中基础且具有挑战性的任务。尽管深度学习技术在该领域取得了很大进展，困难场景（如不可见关键点、遮挡、复杂多人场景和异常姿态）仍未能很好处理。为缓解这些问题，我们提出一种新颖的空间保持与内容感知网络（SPCNet），其包含两个有效模块：膨胀沙漏模块（DHM）和选择性信息模块（SIM）。通过使用膨胀沙漏模块，我们可在保持大感受野的同时保留空间分辨率。类似于沙漏网络，我们堆叠 DHM 以获取多阶段和多尺度信息。然后，设计选择性信息模块，在充分考虑空间内容感知机制下从不同层级中选择相对重要的特征，从而显著提升性能。在 MPII、LSP 和 FLIC 人体姿态估计基准上的大量实验证明了我们网络的有效性。特别地，我们超越了先前方法，并在上述三个基准数据集上取得了最先进的性能。
引用
@article{arxiv.2004.05834,
title = {SPCNet:Spatial Preserve and Content-aware Network for Human Pose Estimation},
author = {Yabo Xiao and Dongdong Yu and Xiaojuan Wang and Tianqi Lv and Yiqi Fan and Lingrui Wu},
journal= {arXiv preprint arXiv:2004.05834},
year = {2020}
}
备注
8 pages,6 figures, accepted for presentation at the 24th European Conference on Artificial Intelligence (ECAI 2020)