统一部件检测与关联用于循环多人姿态估计
计算机视觉与模式识别
2019-04-29 v1
摘要
我们提出一种用于 2D 多人姿态估计（MPPE）的人体关节检测与关联联合模型。该方法统一了关节检测与关联的训练，无需额外处理或复杂启发式方法即可将关节分别与个体关联。该方法包含两个阶段：第一阶段提取关节检测热图与关联特征；第二阶段以第一阶段提取的特征为输入，我们引入一个循环神经网络（RNN），在每次迭代中预测单个人体关节的热图。此外，网络学习一个停止准则，以便在识别出图像中所有个体后停止。该方法使我们得以消除关联所需的一些未必成立的启发式假设与参数。并且，这种端到端方法使最终目标可在训练中被知悉并直接优化。我们在具有挑战性的 MSCOCO 数据集上评估了模型，相较基线取得提升，尤其在含遮挡的困难场景中。
引用
@article{arxiv.1904.11864,
title = {Unifying Part Detection and Association for Recurrent Multi-Person Pose Estimation},
author = {Rania Briq and Andreas Doering and Juergen Gall},
journal= {arXiv preprint arXiv:1904.11864},
year = {2019}
}