hourglass

hourglass

• -Model(pytorch版本

• 1.一 论文导读
• 2.二 论文精读
• 3.三 代码实现
• 4.四 问题思索

《Stacked Hourglass Network for Human Pose Estimation》
—基于hourglass的身体姿态识别
作者&＃xff1a;Alejandro Newell,etc.
单位&＃xff1a;密歇根大学
发表会议及时间&＃xff1a;ECCV 2016

一 论文导读

一 背景及意义
姿态估计&＃xff08;pose estimation&＃xff09;
在计算机视觉领域是一个非常重要的方向&＃xff0c;人类动作理解&＃xff0c;人机互动等等应用都需要精确的姿态识别

目前&＃xff0c;绝大多数的2d姿态识别都是识别人体的关键点
比如&＃xff1a;给定一张普通的RGB图像&＃xff0c;算法会给出人体的脚踝&＃xff0c;胳膊&＃xff0c;面部等区域的关键点

目前&＃xff0c;基于stacked Hourglass Model 的各种变种算法&＃xff0c;牢牢占据了姿态检测的半壁江山&＃xff0c;所以stacked hourglass model 非常重要

姿态识别分单人和多人&＃xff0c;本篇文章为单人识别

二 研究成果

1. 理解图片或视频人类的行为&＃xff0c;一个关键是姿态预测
2. 在动画和人机交互领域起到重要作用
3. 一个好的姿态预测系统需要在变形、遮挡&＃xff0c;还有在衣服和光线变化下具有鲁棒性
4. 卷积神经网络取代过去手工或者图形合成方法&＃xff0c;有了巨大的进步
5. 将过个低分辨率的模型进行结合
6. 重复使用自下而上、自上而下的方式&＃xff0c;结合中间监督来实现Human Pose Estimation
7. 不同层对不同的特征容易识别&＃xff0c;那就可以识别人体的不同部分

论文结构如下图&＃xff1a;

使用了金字塔结构&＃xff0c;一小一大之间可以提取很多的特征&＃xff0c;不同层对不同的特征容易识别&＃xff0c;那就可以识别人体的不同部分

二 论文精读

三 代码实现

四 问题思索