RSN

【文件属性】：
文件名称：RSN
文件大小：21.2MB
文件格式：ZIP
更新时间：2021-03-21 02:02:29
Python 学习精巧的局部表示以进行多人姿势估计 消息 我们的论文已被ECCV2020接受为Spotlight 介绍 这是的火炬实现，赢得了2019年COCO Keypoint挑战赛，并且在COCO测试开发和测试挑战数据集上均排名第一，如所示。原始回购基于Megvii Inc.的内部深度学习框架（MegBrain）。 在本文中，我们提出了一种称为残留步骤网络（RSN）的新方法。 RSN有效地聚合具有相同空间大小的特征（内部特征）以获得精致的局部表示，这些局部表示保留了丰富的低层空间信息并导致精确的关键点定位。此外，我们提出了一种有效的注意力机制-姿势优化机（PRM），以进一步优化关键点位置。我们的方法在2019年COCO关键点挑战赛中获得了第一名，并且在不使用额外的训练数据和预训练模型的情况下，在COCO和MPII基准上均获得了最新的成果。我们的单一模型在COCO测试开发上达到78.6，在MPII测试

【文件预览】：
RSN-master
----README.md(9KB)
----dataset()
--------attribute.py(3KB)
--------COCO()
--------__init__.py(0B)
--------JointsDataset.py(8KB)
--------MPII()
----exps()
--------RSN18.coco()
--------4XRSN18.coco()
--------Res18.coco()
--------RSN18.mpii()
----LICENSE(1KB)
----cvpack()
--------utils()
--------dataset()
--------torch_modeling()
--------__init__.py(0B)
----figures()
--------RM.png(54KB)
--------results_mpii.png(10.45MB)
--------pipeline_v2.png(1.78MB)
--------results.png(11.53MB)
----requirements.txt(58B)
----lib()
--------utils()