(15) Multi-Person Pose Estimation : PersonLab-程序员宅基地

技术标签： face detection Human Pose Estimation

PersonLab: Person Pose Estimation and Instance Segmentation with a Bottom-Up, Part-Based, Geometric Embedding Model

2018

reading time : 2019/10/08

paper address : https://arxiv.org/abs/1803.08225

Methods:

Person detection and pose estimation :

本文采用的是bottom-up的方法，首先检测K个关键点，接着将它们分组到person实例中。论文接着Google的CVPR 2017的论文（混合了分类和回归）的研究。论文生成了热图heatmap（每个关键点一个通道），偏移量offset（每个点两个通道）。

$x_{i}$ 代表图片的2-D位置， $i=1,...N$ ,i是图片中位置的索引，N是像素点的数量。

$D_{R}(y) = \left \{ x:\left \| x-y \right \|\leq R \right \}$ 是一个y周围半径为R的圆形区域。

$y_{j,k}$ 代表第j个人的第k个关键点的二维坐标。 $j=1,...M$ ,M是图片中人的数目。

对于每一个关键点类型 k=1,...K, 我们预测heatmap $p_{k}(x)$ : 如果 $x\in D_{R}(y_{j,k})$ , $p_{k}(x)$ =1。否则 $p_{k}(x)$ =0。所以我们有了K个独立的密集的二进制分类任务，每一个针对于一个关节类型，每一个都相当于预测一个半径为R的圆盘，围绕着图像中任何人的特定关键点类型。半径作者设置为32像素，且不随人的大小变化，作者称是为了在分类损失中对所有的person实例一视同仁。使用average logistic loss。

除了heatmap，作者还预测了short-range offset vectors $S_{k}(x)$ 。对于每一个在关键点半径内的的位置x。 $S_{k}(x)$ 从图片位置x指向关键点的位置。 $S_{k}(x)=y_{j,k}-x$ 。使用了L1 loss。在训练中，我们用L1损失来补偿短距偏移预测误差，平均和反向传播误差仅在关键点半径内的位置。我们将误差除以半径32来归一化，使其动态范围与热图分类损失相称。

通过Hough Voting，将热图（heatmap）和短距离（short-range）偏置整合成二维的Hough分数图，对于不同类型的关键点，使用不同的Hough累加器。每一个图像的位置对每一种关键点通道产生一个vote，对应的权重为它的激活概率：

$h_k(x)=\frac{1}{\pi R^{2}}\sum _{i=1:N}p_{k}(x_{i})B(x_{i}+S_{k}(x_{i})-x)$

B()是双线性插值核。

Group keypoints into person detection instances

Mid-range pairwise offsets.

分数图 $h_{k}(x)$ 的局部最大值被视作人物关键点的候选位置，但它们不携带有关实例的信息。当图像中存在多个人物时，我们需要一种“连接点”机制，使得属于每个人物的关键点分到对应人物中。为了解决上述问题，PersonLab在网络中增加了一个中距离的偏置 $M_{k,l}(x)$ ，用于连接成对的关键点。这样需要计算2(K-1)（这里的我理解为共有K个关键点，每个关键点需要与其他的所有关键点）个偏移量，其中偏移量是用有向边来表示的，每个有向边连接一对关键点，这些关键点在人的树结构运动图中彼此相邻。 $M_{k,l}(x)=y_{j,k}-x ,x\in D_{R}(y_{j,k})$ 。在训练期间，只有在训练示例中同时存在两个关键点时才定义此目标回归向量。同时计算了回归预测误差在源关键点的区域上（半径内）的平均损失，并通过网络进行反向传播。

Recurrent offset refinement.

当两个关节之间的距离较远时，很难得到精确的回归。. $M_{k,l}(x)\leftarrow x'+S_l(x'),x'= M_{k,l}(x)$ .在实验中，对此细化重复了两次。采用双线性插值方法对中间位置处的短距离偏移场进行采样，并将误差沿中距离和短距离输入偏移分支反向传播。PersonLab在CNN输出激活的分辨率上执行偏移量细化，使处理非常快速。如图2所示，偏移细化过程显著减少了中间范围回归误差，这是该方法中的一个关键新颖之处。

Fast greedy decoding.

优先级队列， $y_{j,l}=y_{j,k}+M_{k,l}(y_{j,k})$ 。论文尝试了不同的方法来分配关键点和实例级的分数来检测我们的贪婪解码算法。作者没有使用将 $h_{k}(y_{j,k}})$ 设为每一个关键点的置信分数。受到OKS启发（使用不同的精度阈值来对不同的关键点类型进行定位补偿）：定义了Expected-OKS:

下文是语义分割。

本文链接：https://blog.csdn.net/qq_17721239/article/details/102389695

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

while循环&CPU占用率高问题深入分析与解决方案_main函数使用while(1)循环cpu占用99-程序员宅基地

文章浏览阅读3.8k次，点赞9次，收藏28次。直接上一个工作中碰到的问题，另外一个系统开启多线程调用我这边的接口，然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法，放到线上后发现确实是可以正常取到结果，但是一旦调用，CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了，类似于下面这段代码。while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99

【无标题】jetbrains idea shift f6不生效_idea shift +f6快捷键不生效-程序员宅基地

文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效

node.js学习笔记之Node中的核心模块_node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是-程序员宅基地

文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别，这些API绝大多数都被包装到了一个具名和核心模块中了，例如文件操作的 fs 核心模块，http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是

数学建模【SPSS 下载-安装、方差分析与回归分析的SPSS实现(软件概述、方差分析、回归分析)】_化工数学模型数据回归软件-程序员宅基地

文章浏览阅读10w+次，点赞435次，收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件

利用hutool实现邮件发送功能_hutool发送邮件-程序员宅基地

文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢？1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件

docker安装elasticsearch，elasticsearch-head，kibana，ik分词器_docker安装kibana连接elasticsearch并且elasticsearch有密码-程序员宅基地

文章浏览阅读867次，点赞2次，收藏2次。docker安装elasticsearch，elasticsearch-head，kibana，ik分词器安装方式基本有两种，一种是pull的方式，一种是Dockerfile的方式，由于pull的方式pull下来后还需配置许多东西且不便于复用，个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码

随便推点

Python 攻克移动开发失败！_beeware-程序员宅基地

文章浏览阅读1.3w次，点赞57次，收藏92次。整理 | 郑丽媛出品 | CSDN（ID：CSDNnews）近年来，随着机器学习的兴起，有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块，内置..._beeware

Swift4.0_Timer 的基本使用_swift timer 暂停-程序员宅基地

文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停

元素三大等待-程序员宅基地

文章浏览阅读986次，点赞2次，收藏2次。1.硬性等待让当前线程暂停执行，应用场景：代码执行速度太快了，但是UI元素没有立马加载出来，造成两者不同步，这时候就可以让代码等待一下，再去执行找元素的动作线程休眠，强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待