學習筆記，僅供參考，有錯必糾

關鍵詞:人體姿態估計;級聯特征網絡;圖結構網絡

隨便看看…

---

An adversarial human pose estimation network injected with graph structure

摘要

由于光照、遮擋和重疊等因素導致圖像中的人體關鍵點不可見，目前大多數人體姿態估計方法都可能產生不合理的人體姿態預測。

在本文中，我們設計了一種新的生成對抗網絡(GAN)來提高某些關節不可見時的可見關節定位精度。該網絡由兩個簡單而高效的模塊組成，即級聯特征網絡(CFN)和圖結構網絡(GSN)。首先，CFN利用前一階段的預測圖來指導下一階段的預測圖，以產生準確的人體姿態。其次，GSN通過在不同的節點之間傳遞信息來實現不可見節點的定位。GAN認為，如果發生器G產生的預測姿態不能被鑒別器D區分，那么發生器網絡G已經成功獲得了人體關節的底層依賴。

我們在三個廣泛使用的人體姿態估計基準數據集，即LSP、MPII和COCO上進行了實驗，結果表明我們所提出的框架是有效的。

Introduction

人體姿態估計是指從圖像中

總結

以上是生活随笔為你收集整理的文献记录(part40)--An adversarial human pose estimation network injected with graph structure的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。