抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
単一画像からの人間のキーポイント検出は,オクルージョン,ぼけ,照明およびスケール分散のために非常に困難である。本論文では,効率的なネットワーク構造を考案し,3つの効果的な訓練戦略を提案し,4つの有用な後処理技術を利用して,3つの側面からこの問題に対処した。第1に,コンテキスト情報が,人間の身体構成と目に見えないキーポイントの推論において重要な役割を果たすことを見出した。これに触発されて,空間とチャネルコンテキスト情報を効率的に統合し,それらを次第に精密化するカスケードコンテキストミキサ(CCM)を提案した。次に,CCMの表現能力を最大化するために,著者らは,豊富なラベルなしデータを利用することによって,ハードネガティブな人間検出マイニング戦略と共同訓練戦略を開発した。それはCCMが大規模な多様な姿勢から識別特徴を学習することを可能にする。第3に,検出精度を改善するために,後処理キーポイント予測のためのいくつかのサブピクセル精密化技術を提示する。MS COCOキーポイント検出ベンチマークに関する広範な実験は,代表的な最先端技術(SOTA)法よりも提案した方法の優位性を実証した。著者らの単一モデルは,2018のCOCOキーポイント検出チャレンジの勝者に匹敵する性能を達成した。最終アンサンブルモデルはこのベンチマークに新しいSOTAを設定する。【JST・京大機械翻訳】