admin管理员组

文章数量:1660164

声明：此文章是作者自己学习过程中的简单总结，也是作者第一次上传，仅供各位同行参考，也请对文中错误和不足多多指教，敬请指正，谢谢！

一、任务描述

给定一幅图或者是一段视频，人体姿态估计就是恢复出其中的人体关节点位置的过程。

二、挑战和难点

1.人体肢体运动较为灵活；

2. 视角的变化；

3.附着物的变化（比如遮挡，衣物等）；

4.3D pose  estimation缺乏数据集；

三、评价指标

主要分为以下两种：

1. PCK 

PCK的评价指标多出现在单人的姿态估计上；

定义： Percentage of Correct Keypoints (PCK)，reports the percentage of keypoint detection falling within a normalized distance of the ground truth.

2. mAP

主要用于多人姿态估计评价；

在物体检测中，我们是用IoU(intersection over union)来评价预测与真实标注之间的差异；在人体骨骼关键点的检测任务中，使用OKS(object keypoint similarity)代替IoU,对预测的人体骨骼关键点位置与真实标注之间的相似性进行评分；

3.OKS

四、数据集

对于以下数据集，1-4应用较多，其余应用较少：

1. Human3.6M （2D+3D）

http://vision.imar.ro/human3.6m/description.php

2. MPI-INF-3DHP (3D)

http://human-pose.mpi-inf.mpg.de/

3. SURREAL (3D)

https://www.di.ens.fr/willow/research/surreal/

4. Unite the People dataset(UP)   (2D + 3D)

http://files.is.tuebingen.mpg.de/classner/up/

本文标签： 几篇深度Poseestimation

版权声明：本文标题：基于深度学习的3D pose estimation总结（包括几篇2D pose estimation） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dongtai/1729850877a1215392.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。