• FastHand


    FastHand: Fast Hand Pose Estimation From A Monocular Camera

    论文地址

    数据集

    Dataset Usage Des image resolution Joints Images
    Yotube2D Training Real-world 256 × 256 21 47125
    GANeratedHands Training Synthetic 256 × 256 21 141449
    STB Test Real-world 640 × 480 21 6000
    RHD Test Synthetic 320 × 320 21 2727
    • 网络部分

    Top-to-Down方式,先用mobilenetv2-SSD检测,之后使用指数平均进行跟踪,最后使用heatmap估计函数进行姿态估计

    网络部分未用特殊操作,上图 ((b)) 下采样直接使用并行的conv+pooling(在所有阶段使用),上图 ((c)) 上采样直接resize(等于双线性插值,在encoder部分使用),decoder部分的上采样使用三次deconvolution

    • 跟踪部分

    滑动平均的方式改成指数平均

    [P_{cur} = sum_{k=0}^{n}{P_{k} imes frac{e^{-k}}{sum_{j=0}^{n}{e^{-j}}}} ]

    (P_{k}) 当前bbox的位置,这里怎么编码怎么来((c_x c_y w h)( x_{min} y_{min} x_{max} y_{max})),(n) 表示加权平均的数量。

    • 比较结果

    不清楚作者有没有把 (NSRM-Net) 等网络使用youtube2D+GANeratedHands进行训练,如果直接按照原始论文进行比较结果无意义,公认的STB数据集太简单很容易过拟合,RHD数据集和实际数据差别有点大,Onehand数据数量较少(实际使用有点不干净)。

    • 个人观点
    • [x] 当前关键点估计网络基本都会使用hourglass结构
    • [x] 按照下图划分,其实作者就是使用了两层hourglass
    • [x] 关于作者给出的上下采用具体有没有效果,论文未给数据对比。

      • 比如yolov5使用的focus结构下采样
      • 比如pixelshuffle的上采样
      • 等等
    • [x] 作者说思路和media-pipe比较类似,个人感觉google的创新主要在于使用heatmap进行弱监督

    -------------------------------------------

    个性签名:衣带渐宽终不悔,为伊消得人憔悴!

    如果觉得这篇文章对你有小小的帮助的话,记得关注再下的公众号,同时在右下角点个“推荐”哦,博主在此感谢!

  • 相关阅读:
    456. 132 Pattern
    496. Next Greater Element I
    503. Next Greater Element II
    341. Flatten Nested List Iterator
    232. Implement Queue using Stacks
    225. Implement Stack using Queues
    208. Implement Trie (Prefix Tree)
    思考--为何早晨型人更容易成功
    Listary的使用
    【运维】虚拟机如何安装CentOS
  • 原文地址:https://www.cnblogs.com/wjy-lulu/p/14432067.html
Copyright © 2020-2023  润新知