通过软门控跳跃连接实现快速准确的人体姿态估计
计算机视觉与模式识别
2020-02-26 v1
摘要
本文致力于高精度且高效率的人体姿态估计。近期基于全卷积网络（FCNs）的工作已对这一困难问题展示出优异结果。尽管 FCN 内的残差连接被证明对实现高精度至关重要，我们重新分析了这一设计选择，以期在准确率和效率上均超越当前最优（state-of-the-art）。具体而言，我们做出如下贡献：（a）我们提出具有逐通道可学习参数的门控跳跃连接，以控制模块内每个通道的数据流。（b）我们引入一种结合 HourGlass 与 U-Net 架构的混合网络，其最小化了网络内的恒等连接数量，并在相同参数预算下提升了性能。我们的模型在 MPII 和 LSP 数据集上取得了当前最优结果。此外，在模型规模与复杂度降低 3 倍的情况下，我们显示与原 HourGlass 网络相比性能未下降。
引用
@article{arxiv.2002.11098,
title = {Toward fast and accurate human pose estimation via soft-gated skip connections},
author = {Adrian Bulat and Jean Kossaifi and Georgios Tzimiropoulos and Maja Pantic},
journal= {arXiv preprint arXiv:2002.11098},
year = {2020}
}
备注
Accepted to FG 2020 (oral)