一、动机

多人姿态估计一直以来都遵循top-down和bottom-up两种范式,不管哪一种,实际上都是两阶段方法:top-down是先检测人体,然后估计关节点;bottom-up是先估计出关节点,在通过Grouping之类的操作分成一个个人体实例。这就导致整个过程的效率不高。因此,本文提出了一种紧凑高效的多人姿态估计pipline:将人体表示为一个中心点和7个人体部位自适应点,以这种更为精细的人体模型去编码更多不同的姿态,并在一次推理(单阶段)中建模人体实例和关节点的对应关系。

二、相关工作

主要看图1就行:

(a):传统人体表示方法,直接就是用各个关节点 ,多见于两阶段方法和一些bottom-up方法;

(b):Center-to-joint表示方法,是CentNet(Zhou, etc)提出的方法,从中心点回归各个关节点的偏移;

(c):层级结构的表示方法,SPM (Nie et al. 2019);

(d):本文的方法,自适应点集表示人体部位;

作者认为,(a)类方法是两阶段,无疑不够高效;(b)类方法过不够精细,难以从中心点回归到准确的offset;(c)类方法又太复杂了,容易产生累计误差;自然只有(d)类方法是最合适的。

三、方法

提出的人体表示方法如图2所示:

其将人体分为七个部位: 脸部、肩部、左臂、右臂、臀部、左腿、右腿,每个人体部位又包含了对应的人体关节点。

基于这种人体表示方法,可以先从中心点回归七个自适应的人体部位点,然后从人体部位点回归到具体的人体关节点。

为了达到这个效果,作者提出了一个网络结构,可以one-stage推理完成多人姿态估计,如图3所示:

整个架构简单描述如下:

  • 输入图片经过backbone得到语义feature map, 然后送入三个模块:

    • Enhanced Center-aware Branch:增强的中心点感知分支,用于感知各种姿态和尺度的人体;
    • Part Perception Module: 部位感知模块,对每个人体实例,回归对应的七个自适应人体部位点;
    • Two-hop Regression Branch:二跳回归分支,用于从人体不问点回归具体的关节点;注意,这里是以人体部位为一跳节点,回归的不是从人体部位到关节点的offset,而是从中心点到关键点的offset,也即实现了间接的center-to-joint(相比之下,CenterNet是直接的center-to-joint);

所以整体上,作者实现了介于图1中(b)、(c)之间的一种方式,先检测到人体中心点,然后回归到人体部位,最后回归到具体的关节点。

四、效果

五、写在后面

这篇文章算是提出了一种不同以往的人体表示方法,并提出了一个center-to-part-to-joint的范式来进行多人姿态估计,并通过网络设计可以one-stage推理。

个人感觉其有创新,但还是介于前期工作范畴之内,不是颠覆性创新,但这种方式证明有效仍值得学习。

AdaptivePose: 人体姿态估计新思路,将人体部位表示为自适应点相关推荐

  1. 姿态估计之2D人体姿态估计(1)(仅供个人参考)

    参考 自顶向下的 2D 人体姿态估计 - 知乎 人体姿态估计(Human Pose Estimation)经典方法整理 - 知乎 2D人体姿态估计浅析 - 知乎 人体姿态估计中回归出了heatmap如 ...

  2. 深度学习-人体姿态估计

    个人微信公众号:AI研习图书馆 ID:(Art-Intelligence) 欢迎关注,交流学习,共同进步~ 1.人体姿态估计简介 人体姿态估计(Human Posture Estimation),是通 ...

  3. 简阅人体姿态估计深度学习方法-simpread-Human Pose Estimation Deep Learning Approach

    What is Human Pose Estimation? Human Pose Estimation (HPE) is a way of identifying and classifying t ...

  4. 2019深度学习人体姿态估计指南

    本文素材来源于nanonets技术博客网站,经本人编辑首发于CSDN,仅供技术分享所用,不作商用. 原文地址:https://blog.nanonets.com/human-pose-estimati ...

  5. 融合人体姿态估计和目标检测的学生课堂行为识别

    融合人体姿态估计和目标检测的学生课堂行为识别_参考网 摘要: 在課堂教学中 , 人工智能技术可以帮助实现学生行为分析自动化 , 让教师能够高效且直观地掌握学生学习行为投入的情况 , 为后续优化教学设计 ...

  6. 深度学习之人体姿态估计在医疗领域的作用

    深度学习之人体姿态估计在医疗中的应用 摘要 目前基于深度学习的人体姿态估计的方法在一定的训练集上都取得不错的效果,将人体姿态估计应用于医疗当中有利于目前医疗体系的进步和医疗手段的改进.本文将介绍人体姿 ...

  7. CVPR 2020 论文大盘点-人体姿态估计与动作捕捉篇

    本文盘点CVPR 2020 所有人体姿态估计(Human Pose Estimation).手势识别(Gesture Recognition).人体形状与姿态估计(Human Shape and Po ...

  8. Python+OpenCV+OpenPose实现人体姿态估计(人体关键点检测)

    目录 1.人体姿态估计简介 2.人体姿态估计数据集 3.OpenPose库 4.实现原理 5.实现神经网络 6.实现代码 1.人体姿态估计简介 人体姿态估计(Human Posture Estimat ...

  9. Openpose+Tensorflow 这样实现人体姿态估计 | 代码干货

    作者 | 李秋键 出品 | AI科技大本营(ID:rgznai100) 人体姿态估计指从单个 RGB 图像中精确地估计出人体的位置以及检测骨骼关键点的位置.人体姿态估计是计算机视觉领域的研究热点,是诸 ...

最新文章

  1. Android Touch事件传递机制 二:单纯的(伪生命周期) 这个清楚一点
  2. xilinx LVDS使用注意事项
  3. Cocos Creator快速开通联网服务教程
  4. 多协议标签交换中的标签指的是什么?—Vecloud微云
  5. 产销对接行动倡议书-万祥军:农民丰收节交易会谋定机制
  6. P2517-订货【网络流,费用流】
  7. MySQL主键和外键使用及说明
  8. 用python编写一个求偶数阶乘的函数_一行Python代码写阶乘函数
  9. 优化理论15----进退法、python实现
  10. Android适配之百分比的简单用法
  11. dbeaver包含jdk11下载
  12. C++学习笔记 —— 回合制小游戏案例
  13. .xmind用什么软件打开_xps用什么软件打开(xps文件打开方法)
  14. 深入理解JavaScript运行机制
  15. Android Studio 编译时报文件不能删除,编译失败
  16. 学计算机科学导论到底有什么用,计算机科学导论
  17. 基于PHP+小程序(MINA框架)+Mysql数据库的校园二手书交易小程序系统设计与实现
  18. 小路绫只会做料理 (ayaya)(树状数组 二分)
  19. Ableton Live 10 TOP 20 Themes/Skins 20款最热门主题皮肤下载
  20. nbtscan局域网内查找病毒主机

热门文章

  1. Python(x,y)
  2. 2013-04-26-成都华为实习生招聘上机笔试
  3. MACD多周期共振指标公式,日周月共振
  4. Java中String类的学习
  5. 数据库 第一章 绪论
  6. Win10修改MySQL数据库密码示例
  7. 简析Android中的MVC、MVP架构
  8. python中的正则匹配知识点
  9. 巨星陨落!哈尔滨工业大学讣告
  10. 【基础算法】穷举算法 (暴力枚举) C++实现