Fast Human Pose Estimation
CVPR19 之前的人體位姿工作一般都是想辦法提升精度，但是模型複雜度較高，效率低。本文目的是構建一個輕量化的模型，有較小的計算成本，同時保持較高精度。 主要思路是將原始的hourglass做「瘦身」。 這樣網絡參數量銳減，肯定是沒辦法充分學習的，精度會降低。因此解決方法是先預訓練一個strong teacher network，其實就是原始的hourgalss，然後用這個teacher netw
相關文章
- 1. Fast Human Pose Estimation
- 2. RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation
- 3. 3D Human Pose Estimation = 2D Pose Estimation + Matching(2017)
- 4. (20) Recurrent Human Pose Estimation
- 5. Stacked Hourglass Networks for Human Pose Estimation
- 6. Stacked Hourglass Network for Human Pose Estimation
- 7. Human Pose Estimation with Iterative Error Feedback
- 8. Multi-Context Attention for Human Pose Estimation
- 9. Cascade Feature Aggregation for Human Pose Estimation
- 10. 《Multi-Context Attention for Human Pose Estimation》
- 更多相關文章...
- • ASP PICS 屬性 - ASP 教程
- • Git 分支管理 - Git 教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Fast Human Pose Estimation
- 2. RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation
- 3. 3D Human Pose Estimation = 2D Pose Estimation + Matching(2017)
- 4. (20) Recurrent Human Pose Estimation
- 5. Stacked Hourglass Networks for Human Pose Estimation
- 6. Stacked Hourglass Network for Human Pose Estimation
- 7. Human Pose Estimation with Iterative Error Feedback
- 8. Multi-Context Attention for Human Pose Estimation
- 9. Cascade Feature Aggregation for Human Pose Estimation
- 10. 《Multi-Context Attention for Human Pose Estimation》