學(xué)習(xí)筆記，僅供參考，有錯(cuò)必糾

關(guān)鍵詞:人體姿態(tài)估計(jì);級(jí)聯(lián)特征網(wǎng)絡(luò);圖結(jié)構(gòu)網(wǎng)絡(luò)

隨便看看…

---

An adversarial human pose estimation network injected with graph structure

摘要

由于光照、遮擋和重疊等因素導(dǎo)致圖像中的人體關(guān)鍵點(diǎn)不可見，目前大多數(shù)人體姿態(tài)估計(jì)方法都可能產(chǎn)生不合理的人體姿態(tài)預(yù)測(cè)。

在本文中，我們?cè)O(shè)計(jì)了一種新的生成對(duì)抗網(wǎng)絡(luò)(GAN)來(lái)提高某些關(guān)節(jié)不可見時(shí)的可見關(guān)節(jié)定位精度。該網(wǎng)絡(luò)由兩個(gè)簡(jiǎn)單而高效的模塊組成，即級(jí)聯(lián)特征網(wǎng)絡(luò)(CFN)和圖結(jié)構(gòu)網(wǎng)絡(luò)(GSN)。首先，CFN利用前一階段的預(yù)測(cè)圖來(lái)指導(dǎo)下一階段的預(yù)測(cè)圖，以產(chǎn)生準(zhǔn)確的人體姿態(tài)。其次，GSN通過(guò)在不同的節(jié)點(diǎn)之間傳遞信息來(lái)實(shí)現(xiàn)不可見節(jié)點(diǎn)的定位。GAN認(rèn)為，如果發(fā)生器G產(chǎn)生的預(yù)測(cè)姿態(tài)不能被鑒別器D區(qū)分，那么發(fā)生器網(wǎng)絡(luò)G已經(jīng)成功獲得了人體關(guān)節(jié)的底層依賴。

我們?cè)谌齻€(gè)廣泛使用的人體姿態(tài)估計(jì)基準(zhǔn)數(shù)據(jù)集，即LSP、MPII和COCO上進(jìn)行了實(shí)驗(yàn)，結(jié)果表明我們所提出的框架是有效的。

Introduction

人體姿態(tài)估計(jì)是指從圖像中

總結(jié)

以上是生活随笔為你收集整理的文献记录(part40)--An adversarial human pose estimation network injected with graph structure的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。