DE-HRNet:人間の姿勢を推定するための詳細な高解像度ネットワーク

科学分野:

• コンピュータ・ビジョン
• 機械学習

背景:

• スケールの変動は人間の姿勢の見積もりにおいて重要な課題であり,特に小さな身体部位でのキーポイント予測の正確さに影響を与えます.
• 既存の方法では 人間の体の様々なスケールで 正確さを保とうと 苦労しています

研究 の 目的:

• 詳細強化高解像度ネットワーク (DE-HRNet) という新しいネットワークを提案し,人間の姿勢の見積もりにおけるスケールの変動を効果的に処理します.
• キーポイント検出の精度と信頼性を向上させるため

主な方法:

• 細部強化モジュール (DEM) を導入し,スケールが異なるキーポイントに不可欠な失われた低レベルの機能を回復し,強化します.
• 超軽量ダイナミックサンプラー (dySample) を導入し,最も近いアップサンプリングを代用し,解像度強化中に詳細の損失を最小限に抑えます.

主要な成果:

• DE-HRNetはCOCO test-dev2017データセットで75.6 APを達成し,MPIIの有効データセットでは90.7 PCKh@0.5を達成しました.
• 標準的な高解像度ネットワーク (HRNet) と比較すると,0. 7 APと0. 4 PCKh@ 0.5の性能改善が観察されました.
• 提案された方法は,既存のアプローチと比較して,スケールの変動を扱う上で強力なパフォーマンスを示しました.

結論:

• DE-HRNetは,局所的な詳細を保存することによって,人間の姿勢の推定におけるスケール変動の影響を効果的に軽減します.
• 提案されたDEMとdySampleは,特にスケールが異なるキーポイントに挑戦するために,より高い精度と強度に貢献します.