Learning to Refine Human Pose Estimation

2018

Fieraru M , Khoreva A , Pishchulin L , et al. Learning to Refine Human Pose Estimation[J]. 2018.

reading time : 2019/10/18

论文的目的是在完成人体姿态估计后，增加模块用于改进姿态的效果。采用全卷积基于resnet的体系结构，提出了一种详细的训练数据扩充方案。

论文提出的姿态优化网络输入一张RGB图像和一个姿态估计通过结合输入输出空间来优化最初的预测。 。我们训练网络预测两种类型的输出:每个身体关节的似然热图，以及从热图网格上的位置到ground-truth关节位置的偏移量。利用sigmoid**和交叉熵损失函数训练各关节类型的似然热图。

训练数据合成的四种方案：

1. 通过位移矢量移动每个关节的坐标。角度是,位移向量的长度采样90%来自,10%来自
2. 交换同一个人的对称关节（没对关节概率10%）
3. 将一个人的关节替换为邻人的相同/对称类型的关节，如果这样的邻节点存在于75px附近，则替换的概率为30%。
4. 30%概率移除关节