创新思想:
从一个图像中确定每个人的身体部位或关节位置,来判断人体的姿势。
这篇文章提出了有“注意局部模块”和“可微的自动数据增强方法”的“增强平行金字塔网”(Augmented Parallel-Pyramid Net)。
“注意局部模块”(Attention Partial Module, APM),是从“增强平行金字塔网”生成的不同尺度特征图中提取加权特征得到的。
“可微的自动数据增强方法”(Differentiable Auto-data Augmentation),是为了提高估计精度。
主要原理:
ParallelNet:平行网络,多尺度融合,产生高分辨率;
PyramidNet:金字塔网络;
RefineNet:修正网,修正了并行网中难以定位的关键点。
并行网络结构:在金字塔网络中每层都层添加了其他层的汇聚信息。
扩充策略:(a)对不同颜色,每一步扩充包括了算子、应用概率、量值度量。(b)松弛搜索空间,优化混合概率和网络权重。?从混合概率中得出结构。
主要实验结果:
AP (Average Precision):平均正确率。
PCKh (head-normalized probability of correct keypoint):关键点正确率。
与没有结合APM的模型对比。