Fast Human Pose Estimation
基於Hourglass的一種輕量網絡，特點：輕量，易訓練 知識蒸餾，有一個老師模型，然後訓練輕量的學生模型，這樣會更快 3.1網絡結構：相比於沙漏網絡，stage砍半，channel砍半，就沒其它改變了 3.2LOSS是兩部分，一部分是老師的預測結果，一部分是GT 感覺作者的remark就是在扯淡。 還給了個MSE和交叉熵LOSS，結果差不多 作者還給了不用知識蒸餾結果也在一個點的範圍內 這篇文章
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。
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》