Bin Xiao1∗, Haiping Wu2∗†, and Yichen Wei1 1Microsoft Research Asia ECCV2018
https://github.com/microsoft/human-pose-estimation.pytorch

摘要

近年来，在姿态估计方面取得了显著的进展，并且对姿态跟踪的兴趣日益增加。同时，整体算法和系统复杂度也随之增加，使得算法分析和比较更加困难。这项工作提供了简单有效的基线方法。它们有助于激发和评估该领域的新想法。在具有挑战性的基准测试中获得最先进的结果。

介绍

这项工作为姿态估计和跟踪提供了基线方法。它们非常简单，但却出奇的有效。因此，他们希望有助于激发新的想法和简化他们的评估。在这项工作中，我们的姿态估计是基于主干网络ResNet [13]上添加的几个反卷积层。这可能是从深度和低分辨率特征图估计heatmap的最简单方法。在COCO test-dev split上，我们的单一模型的最佳结果在mAP上达到了73.7的最先进水平，比COCO 2017关键点挑战赛的单一模型及其集成模型分别提高了1.6%和0.7%[6，9]。我们的姿势追踪跟ICCV 17年姿势追踪挑战[2]的获胜者[11]类似。单人姿势估计使用我们自己的方法，如上。姿势跟踪使用与[11]中相同的贪婪匹配方法。我们唯一的修改是使用基于光流的姿态传播和相似性测量。

Hourglass[22]是MPII基准的主要方法，因为它是所有领先方法的基础[8，7，33]。它采用多级架构，具有重复的自底向上、自顶向下处理和跳过层功能连接。
7.Chen, Y., Shen, C., Wei, X.S., Liu, L., Yang, J.: Adversarial posenet: A structure-aware convolutional network for human pose estimation. In: IEEE International Conference on Computer Vision. pp. 1212–1221 (2017)
8.Chu, X., Yang, W., Ouyang, W., Ma, C., Yuille, A.L., Wang, X.: Multi-context attention for human pose estimation. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. pp. 1831–1840 (2017)
33.Yang, W., Li, S., Ouyang, W., Li, H., Wang, X.: Learning feature pyramids for human pose estimation. In: IEEE International Conference on Computer Vision(2017)
Cascaded pyramid network(CPN) [6]是COCO 2017关键点挑战[9]的领先方法。它还包括skip layer feature concatenation和online hard keypoint mining step。

比较图1中的三种体系结构，很明显，我们的方法与[22，6]的不同之处在于如何生成高分辨率的特征图。这两个作品[22，6]都使用上采样来提高特征图的分辨率，并将卷积参数放在其他块中。相反，我们的方法以更简单的方式将上采样和卷积参数结合到去卷积层中，而不使用跳过层连接。

训练

地面真实人体模型是按照固定的长宽比制作的，例如，通过在高度或宽度上扩展框，使高度:宽度= 4 : 3。然后将其从图像中裁剪并调整到固定的分辨率。默认分辨率为256 : 192。为了公平比较，它与最先进的方法[6]相同。数据增加包括缩放(30%)、旋转(40度)和翻转。我们的ResNet [13]主干网络是通过对ImageNet分类任务[28]进行预训练来初始化的。在姿态估计的训练中，基础学习率为1e-3。90个纪元降到1e-4，120个纪元降到1e-5。一共140个纪元。迷你批量128。亚当[18]使用了优化器。使用一个GPU服务器上的四个GPU。对深度为50、101和152层的ResNet进行了实验。除非另有说明，否则默认情况下使用ResNet-50。

论文分享 Simple Baselines for Human Pose Estimation and Tracking相关推荐

10.23周报Simple Baselines for Human Pose Estimation and Tracking研读
目录前言文献文献名字:Simple Baselines for Human Pose Estimation and Tracking 作者:Bin Xiao, Haiping Wu, and Y ...
【Simple Baselines】《Simple Baselines for Human Pose Estimation and Tracking》
ECCV-2018 文章目录 1 Background and Motivation 2 Advantages / Contributions 3 Method 3.1 Pose Estimation ...
人体姿势估计论文：Simple and Lightweight Human Pose Estimation及其PyTorch实现
Simple and Lightweight Human Pose Estimation PDF: https://arxiv.org/pdf/1911.10346v1.pdf PyTorch代码: ...
Simple Baselines for Human Pose Estimation 阅读笔记
SimpleBaseline姿态估计阅读笔记 ECCV2018 论文链接代码链接摘要: 近年来,姿态估计在取得重大进展的同时,总体算法和系统复杂性也日益增加,加剧了算法分析和比较的难度,本项工作提 ...
【论文阅读笔记】Simple and Lightweight Human Pose Estimation
论文地址:https://arxiv.org/abs/1911.10346 代码地址:https://github.com/zhang943/lpn-pytorch 论文总结本文网络名叫LPN. ...
【HRNet】《Deep High-Resolution Representation Learning for Human Pose Estimation》
CVPR-2019 代码:https://github.com/leoxiaobin/deep-high-resolution-net.pytorch 文章目录 1 Background and Mo ...
人体姿态估计(Human Pose Estimation)技巧方法汇总
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 作者:Poeroz https://zhuanlan.zhihu.com/p/10 ...
重新思考人体姿态估计 Rethinking Human Pose Estimation
Newly updated by 2019-11-19 ----------------------------------------------------- 浅谈:2D人体姿态估计基本任务.研究 ...
姿态估计入门-2020综述《The Progress of Human Pose Estimation: A Survey and Taxonomy of Models Applied in 2D》
<The Progress of Human Pose Estimation: A Survey and Taxonomy of Models Applied in 2D Human Pose ...

论文分享 Simple Baselines for Human Pose Estimation and Tracking

摘要

介绍

训练

论文分享 Simple Baselines for Human Pose Estimation and Tracking相关推荐

最新文章

热门文章