Survey on Human pose estimation
關於姿態估計的一些總結，GitHub上搬的
Papers
2D Pose estimation
3D Pose estimation
Person generation
- Pose Guided Person Image Generation - [CODE] - Ma, L., Jia, X., Sun, Q., Schiele, B., Tuytelaars, T., & Gool, L.V. (NIPS 2017)
- Dense Pose Transfer - Neverova, N., Guler, R.A., & Kokkinos, I. (ECCV 2018)
Real-time pose estimation
Datasets
2D
3D
Workshops
Blog posts
Popular implementations
PyTorch
TensorFlow
Torch
Others
Todo
- Add basics
- Add papers on Person Re-Identification
- Add papers on Multi Person Pose estimation
- Add a SOTA ranking
相關推薦
Survey on Human pose estimation
關於姿態估計的一些總結，GitHub上搬的 Papers 2D Pose estimation 3D Pose estimation Person generation Pose Guided Person Image Generation - [CODE] - M
DensePose: Dense Human Pose Estimation In The Wild（理解）
0 - 背景 Facebook AI Research（FAIR）開源了一項將2D的RGB影象的所有人體畫素實時對映到3D模型的技術（DensePose）。支援戶外和穿著寬鬆衣服的物件識別，支援多人同時識別，並且實時性良好。 1 - 思路 1.1 - 標註資料集 對於一般的姿態識別（骨骼追蹤）
DensePose:Dense Human Pose Estimation In The Wild 論文閱讀筆記
一、本文主要是Facebook AI 和INRIA 聯合出品，基於RCNN架構，以及Mask RCNN的多工結構，開源http://densepose.org 二、主要工作分為三點 1：標註了一個新的資料集，基於coco資料集，增加了u
Beyond Tree Structure Models: A New Occlusion Aware Graphical Model for Human Pose Estimation論文小摘
一、介紹 這篇文章是2015年的ICCV的文章，當時還是非常流行使用“樹結構”以及“圖模型”來解決“姿態估計”問題的。這篇文章的核心內容是要去解決，姿態估計過程中面臨的一個挑戰“遮擋”問題。文章中將遮擋分為了兩類進行討論，第一類是自遮擋，第二類是其
論文筆記 Stacked Hourglass Networks for Human Pose Estimation
Stacked Hourglass Networks for Human Pose Estimation key words:人體姿態估計 Human Pose Estimation 給定單張RGB影象，輸出人體某些關鍵點的精確畫素位置.堆疊式沙漏網路 Stacked Hourglass Net
DeepPose: Human Pose Estimation via Deep Neural Networks論文翻譯
翻譯點選連結獲取 基本思想 級聯網路架構：在第一階段將影象輸入後得到大致位置，在之後的階段利用相同的網路架構得到更精細的結果。對級聯的所有階段使用相同的網路架構，但學習不同的網路引數。其中網路架構使用的是Alex，所不同的是loss函式，AlexNet是用於分類的，而本文的架構是用於迴
Learning Feature Pyramids for Human Pose Estimation（理解）
0 - 背景 人體姿態識別是計算機視覺的基礎的具有挑戰性的任務，其中對於身體部位的尺度變化性是存在的一個顯著挑戰。雖然金字塔方法廣泛應用於解決此類問題，但該方法還是沒有很好的被探索，我們設計了一個Pyramid Residual Module（PRMs）來提高DCNNs的尺度不變性。
Stacked Hourglass Networks for Human Pose Estimation
介紹 這是一篇2016年做單人姿態估計的文章 實驗用的是MPII sigle 和 FLIC ，指標PCKh 通過堆疊沙漏結構的網路進行人體姿態估計 沙漏結構指通過pooling得到低解析度的特徵，然後通過上取樣得到高解析度特徵的網路結構 論文指出該網路可以捕
Simple Baselines for Human Pose Estimation and Tracking
介紹 微軟神作，pose track 的新base line 比ICCV Pose track 冠軍在mAP上高15個點，在MOTA上高6個點 姿態估計 一個簡單的ResNet 結構 三個卷積層+BN+ReLU 中間一個1*1的卷積層產生pose的h
Summary——DensePose: Dense Human Pose Estimation In The Wild
Research question： 在一張RGB圖片和一個曲面模型上建立對應。RGB圖片來自COCO資料集（本文篩選出含有人物的圖片），除此之外，由一個人體的表面模型（這個模型應該是立體的）為24個體塊分別找到六張不同角度（當呈現在標註者面前的時候也是平面的圖片），本文就
人體姿態估計（Human Pose Estimation）---優質學習資源
目錄 0、簡介 這是一個簡單的資源僅供參考，Just for Xiuyun-Mo 0、簡介 姿態估計的目標是在RGB影象或視訊中描繪出人體的形狀，這是一種多方面任務，其中包含了目標檢測、姿
【姿態估計】DeepPose: 基於深度神經網路的人體姿態估計 Human Pose Estimation via Deep Neural Networks
Alexander Toshev Christian Szegedy Google 1600 Amphitheatre Pkwy Mountain View, CA 94043 toshev,[e
Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation翻譯
對抗性的PoseNet:一種對於人類姿態估計的結構感知的卷積網路摘要：在單目影象中，人的姿態估計，關節遮擋和重疊在人體上經常導致偏差的姿勢預測。 在這種情況下，可能會產生生物學上難以置信的姿態預測。 與此相反，人類視覺通過利用節點間連線的幾何約束來預測姿態。為了解決這一問題，
《Simple Baselines for Human Pose Estimation and Tracking》閱讀筆記
《Simple Baselines for Human Pose Estimation and Tracking》閱讀筆記 《Simple Baselines for Human Pose Estimation and Tracking》閱讀筆記 姿
Human Pose Estimation Papers
Multi-Scale Structure-Aware Network for Human Pose Estimation - 2018 [Paper] Integral Human Pose Regression [Paper] Human Pose Regression by Combining Ind
論文閱讀 Multi-Scale Structure-Aware Network for Human Pose Estimation
1、 文章在hourglass的網路基礎上做了四點改進 1）多尺度監督來加強語義特徵學習來融合多尺度的特徵 2）多尺度的迴歸網路來優化整體的人體結構 3）structure-aware損失（在多
姿態檢測整理--01-Stacked Hourglass Networks for Human Pose Estimation
Stacked Hourglass Networks for Human Pose Estimation（發表於2016年） 基本上是目前姿態研究的基礎網路，具有bottom-up和top-down二者特性。bottom-up是先得到肢體再歸併到不同個體。
人體姿態估計(Human Pose Estimation)文獻綜述
一、研究背景 維基百科對人體姿態估計的定義如下： Articulated body pose estimation in computer vision is the study of algorithms and systems that recover the pos
human pose estimation
ask ani bottom ase ngxin mat vol mod realtime 2D Pose estimation主要面臨的困難：遮擋、復雜背景、光照、真實世界的復雜姿態、人的尺度不一、拍攝角度不固定等。 單人姿態估計 傳統方法：基於Pictorial Str
RGB-D object recognition and pose estimation based on pre-trained convolutional neural network 閱讀記錄
最近發現將閱讀論文的心得體會記錄下來是很有必要的，一方面將自己的想法用文字表達出來，可以鍛鍊論文寫作表達能力，便於後續論文寫作。另一方面，便於回顧自己的工作。 本文僅代表我自己的觀點，對論文理解有誤的地方，歡迎大家指正。 正如標題說是，本文是利用遷移學習技