2021 最新人體姿態(tài)估計綜述！參考文獻(xiàn)近百篇
點擊下方“AI算法與圖像處理”，一起進(jìn)步！
重磅干貨，第一時間送達(dá)
1、摘要
無約束圖像和視頻中的人體姿態(tài)估計是計算機(jī)視覺的一項基本任務(wù)。為了說明技術(shù)上的發(fā)展路徑，在本次調(diào)查中，我們在結(jié)構(gòu)化分類法中介紹了人類姿態(tài)方法，特別關(guān)注深度學(xué)習(xí)模型和單人圖像設(shè)置。具體而言，我們檢查和調(diào)查了典型人體姿態(tài)估計管道的所有組件，包括數(shù)據(jù)增強(qiáng)、模型架構(gòu)和主干網(wǎng)絡(luò)、監(jiān)督表征、后處理、標(biāo)準(zhǔn)數(shù)據(jù)集、評估指標(biāo)。為了展望未來的發(fā)展方向，我們最后討論了人體姿態(tài)估計中尚未解決的關(guān)鍵問題和潛在的發(fā)展趨勢。
深度學(xué)習(xí)人體姿態(tài)估計pipeline：
模型組件視角下的人體姿態(tài)估計分類：
2、數(shù)據(jù)增強(qiáng)
2.1 Random Data Augmentation
Flipping
Rotation
Scaling
Color jittering
Occlusion
Pose-specific augmentations
2.2 Optimized Data Augmentation
Two representative types of learning framework in the literature are adversarial learning and neural architecture search.
文獻(xiàn)中兩種有代表性的學(xué)習(xí)框架是對抗式學(xué)習(xí)和神經(jīng)結(jié)構(gòu)搜索。
3、Model Architecture and Network Design
3.1 Model Architecture
Sequential architecture
Cascaded architecture
Recurrent architecture
Adversarial architecture
3.2 Network Design
Multi-scale feature learning
Prior knowledge incorporation
Spatial relation modelling
Attention mechanism
4、Post-processing
5、Supervision Representatio
人體姿態(tài)估計的方法可分為基于坐標(biāo)的和基于熱力圖的方法
6、Human Pose Dataset
數(shù)據(jù)集示例：
數(shù)據(jù)集概述：
7、Performance Evaluation Metrics
Percentage of Correct Parts (PCP).
Percent of Detected Joints (PDJ)
Percentage of Correct Keypoints (PCK)
Other Metrics.
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有美顏、三維視覺、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群
個人微信（如果沒有備注不拉群！） 請注明：地區(qū)+學(xué)校/企業(yè)+研究方向+昵稱
下載1：何愷明頂會分享
在「AI算法與圖像處理」公眾號后臺回復(fù)：何愷明，即可下載。總共有6份PDF，涉及 ResNet、Mask RCNN等經(jīng)典工作的總結(jié)分析
下載2：終身受益的編程指南：Google編程風(fēng)格指南
在「AI算法與圖像處理」公眾號后臺回復(fù)：c++，即可下載。歷經(jīng)十年考驗，最權(quán)威的編程規(guī)范！
下載3 CVPR2021 在「AI算法與圖像處理」公眾號后臺回復(fù)：CVPR，即可下載1467篇CVPR 2020論文 和 CVPR 2021 最新論文
