Fast Human Pose Estimation
CVPR19 之前的人体位姿工作一般都是想办法提升精度，但是模型复杂度较高，效率低。本文目的是构建一个轻量化的模型，有较小的计算成本，同时保持较高精度。 主要思路是将原始的hourglass做“瘦身”。 这样网络参数量锐减，肯定是没办法充分学习的，精度会降低。因此解决方法是先预训练一个strong teacher network，其实就是原始的hourgalss，然后用这个teacher netw
相关文章
- 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》
- 更多相关文章...
- • ASP PICS 属性 - ASP 教程
- • Git 分支管理 - Git 教程
相关标签/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。
欢迎关注本站公众号,获取更多信息
相关文章
- 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》