赞
踩
论文链接:Simple Baselines for Human Pose Estimation and Tracking
时间:2018.04.17 ECCV 2018
作者团队:Bin Xiao, Haiping Wu, and Yichen Wei
分类:计算机视觉–人体关键点检测–2D top-down
1.主要在于学习记录,如有侵权,私聊我修改
2.水平有限,不足之处感谢指出
coco2018关键点检测项目的亚军方案,方法简洁明了,但效果惊艳。
作者认为目前的姿态估计方法都太过于复杂,并且有显著的差异,比如hourglass,open pose,cpn等等,比较这些工作的差异性,更多体现在系统层面而不是信息层面。
作者在本文提出了一个既精确(sota水平),又简单(网络结构非常简单,见下文)的姿态估计方法,作为一个baseline,希望能激发一些新的ideas和简化评估方式。
1. Pose Track 基本都是对边框和ID进行跟踪。相较于贪婪匹配两帧中预测的 bounding box IoU,本文采用的跟踪管道有两点不同:解决多人轨迹追踪的原本算法是视频第一帧中每个检测到的人给一个id,之后的每一帧检测到的人都和上一帧检测到的人通过某种度量方式(IOU)算相似度,将相似度大的作为同一个id,没有匹配到的分配一个新的id。
改进点:(1)使用光流法补充一些检测框,用以解决检测网络的漏检问题。(2)使用 Object Keypoint Similarity (OKS)代替检测框的IOU来计算相似度。因为当人的动作比较快时,用IOU可能并不合理。
OKS计算公式:
使用光流法计算某一帧的关键点会出现在的另外一帧的位置,然后用预测前后的关键点之间计算OKS,作为两帧之间的不同人的相似度值。
2. 结果评估
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。