文献

J-GLOBAL ID：202002257211883312   整理番号：20A1750227

HighHRNet:ボトムアップ人間姿勢推定のためのスケールを意識した表現学習【JST・京大機械翻訳】

HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

著者 (6件)： Cheng Bowen (UIUC) ,  Xiao Bin (Microsoft) ,  Wang Jingdong (Microsoft) ,  Shi Honghui (UIUC; University of Oregon) ,  Huang Thomas S. (UIUC) ,  Zhang Lei (Microsoft)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 5385-5394  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ボトムアップ人間姿勢推定法は,スケール変動の課題により,小さな人に対する正しい姿勢の予測に困難がある。本論文では,高解像度特徴ピラミッドを用いた学習スケール認識表現のための新しいボトムアップ人間姿勢推定法を提案した。推論のための訓練と多重解像度集合のための多重解像度監視によって,提案方法は,ボトムアップ多人姿勢推定におけるスケール変動チャレンジを解決でき,特に小人のためにキーポイントをより正確に局所化する。より高いHRNetにおける特徴ピラミッドは,HRNetからの特徴マップ出力と,変換畳込みによるアップサンプリング高分解能出力から成る。より高いHRNetは,COCO試験-devの中人に対して2.5%APによる以前の最良ボトムアップ法よりも優れており,スケール変動を扱う際のその有効性を示した。さらに,より高いHRNetは,すべての既存のボトムアップ法を超える,精密化または他の後処理技術を使用することなく,COCO試験-dev(70.5%AP)に関する最新の結果を達成した。より高いHRNetは,CrowdPoseテスト(67.6%AP)に関するすべてのトップダウン方法さえ上回って,混雑した場面におけるロバスト性を示唆した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  後処理 ,  精密化 ,  角錐 ,  有効性 ,  高分解能 ,  ロバスト性 ,  低身長症
準シソーラス用語： 多重解像度 ,  *姿勢推定 ,  *ボトムアップ ,  アップサンプリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ボトムアップ ,  人間 ,  姿勢推定 ,  スケール ,  意識 ,  表現学習