高性能人間キーポイント検出に向けて【JST・京大機械翻訳】

Zhang Jing; Chen Zhe; Tao Dacheng

プレプリント

J-GLOBAL ID：202202201476369118 整理番号：21P0023622

高性能人間キーポイント検出に向けて【JST・京大機械翻訳】

Towards High Performance Human Keypoint Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年02月02日プレプリントサーバーでの情報更新日： 2021年05月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , ,
, , , , , , , 【Automatic Indexing@JST】

パターン認識

前のページに戻る