姿态估计CPM
论文：Convolutional Pose MachinesGithub：https://github.com/timctho/convolutional-pose-machines-tensorflowhttps://github.com/JindongJiang/WeightedLoss_Convolutional_Pose_Machines_PyTorchCMU的工作...
·
论文：Convolutional Pose Machines
Github：https://github.com/timctho/convolutional-pose-machines-tensorflow
https://github.com/JindongJiang/WeightedLoss_Convolutional_Pose_Machines_PyTorch
CMU的工作，和openpose是同样的作者
主要贡献:
- 通过卷积神经网络的序列组合，来学习关键点的空间信息，也就是提出了cascade类型的级别卷积网络结构
- 提出系统话的方法来设计和训练关键点检测，不需要类似图模型的接口。
网络结构：
可学习的空间纹理特征进行序列预测：
感受野：
梯度消失：
后面几层的stage有loss，而越靠前面的stage，loss就都消失了。因此，需要每一个stage都引出一个loss进行学习来解决梯度消失的问题。
实验结果：
总结：
CPM，一种自上而下的关键点检测算法，需要结合检测算法使用。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
2
0- 0
已为社区贡献6条内容
所有评论(0)