1. 程式人生 > >報名 | 曠視研究院解讀COCO2017人體姿態估計競賽冠軍論文

報名 | 曠視研究院解讀COCO2017人體姿態估計競賽冠軍論文

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

昨天,量子位·吃瓜社聯合Face++推出了線上論文分享系列第一期,曠視研究院研究員、論文一作彭超解讀了COCO 2017物體檢測奪冠演算法論文《MegDet: A Large Mini-Batch Object Detector》,並分享了奪冠歷程和經驗。

除物體檢測競賽之外,Face++在COCO 2017人體姿態估計競賽中也摘得桂冠,並在近期完成了相關論文《Cascaded Pyramid Network for Multi-Person Pose Estimation》

基於這篇論文所提出的演算法,Megvii(Face++)隊在COCO2017人體姿態估計競賽上獲得了歷史最好成績,相對 2016年人體姿態估計的最好成績提高了19%,毫無疑問是當前人體姿態估計的最高水平。

12月13日(下週三)晚19:30,量子位·吃瓜社第二期就邀請到了競賽冠軍隊owner、論文共同一作王志成,他將深度解析COCO 2017人體姿態估計奪冠演算法論文《Cascaded Pyramid Network for Multi-Person Pose Estimation》,聊一聊人體姿態估計課題下提出的新的網路結構,以及COCO競賽中的經驗和收穫。

嘉賓介紹

0?wx_fmt=jpeg

王志成

清華大學計算機系碩士,Face++ Research 研究員,MS COCO 2017人體姿態估計比賽Megvii(Face++)隊owner, 在比賽中主要負責整體方案的確定,模型設計、訓練調優的工作,CPN論文共同一作。

分享提綱

1、介紹姿態估計自頂向下的框架

2、深度網路模型設計的動機

3、CPN的設計實現技術細節

4、COCO比賽中取得的成果以及經驗教訓

活動詳情

活動時間:

12月13日晚19:30 – 20:30

活動形式:

線上直播+微信群互動

報名方式:

掃碼新增量子位小助手4:qbitbot4(已添加了量子位小助手123的同學可聯絡相應小助手),備註:“吃瓜社”,通過後即可入群,入群后可在分享期間與嘉賓互動答疑,還能第一時間獲得分享PPT。

已在吃瓜社曠視論文線上解讀群裡的小夥伴們無需重複報名。

關注量子位公眾號:QbitAI,在公眾號對話介面回覆“吃瓜社”,同樣可獲得直播地址。

0?wx_fmt=jpeg

關於吃瓜社
量子位新增活動欄目,自開社之日起,將陸續邀請眾多優質paper作者做論文解讀分享,與大家聊一聊論文中的技術理論與實踐。
接下來,曠視研究院還會在吃瓜社後續兩期活動中,解讀他們最近完成的物體檢測、人臉影象區域檢測論文。
大吉大利,週三吃瓜,祝大家吃瓜愉快~
~( ̄▽ ̄)/

主辦方

0?wx_fmt=jpeg

曠視科技Face++是中國領軍的人工智慧公司,在中國科技部頒發“中國獨角獸”榜單中位列人工智慧榜首,代表中國技術在包括MS COCO在內的人工智慧國際競賽中擊敗Google, Facebook, 微軟等巨頭,獲得十五個世界技術評測第一。

0?wx_fmt=png

量子位(QbitAI):追蹤人工智慧產品和技術新趨勢,我們只專注報道AI。

加入社群

量子位AI社群12群開始招募啦,歡迎對AI感興趣的同學,加小助手微信qbitbot4入群;

此外,量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募,面向正在從事相關領域的工程師及研究人員。

進群請加小助手微訊號qbitbot4,並務必備註相應群的關鍵詞~通過稽核後我們將邀請進群。(專業群稽核較嚴,敬請諒解)

誠摯招聘

量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話介面,回覆“招聘”兩個字。

0?wx_fmt=jpeg

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態


相關推薦

報名 | 研究院解讀COCO2017人體姿態估計競賽冠軍論文

昨天,量子位·吃瓜社聯合Face++推出了線上論文分享系列第一期,曠視研究院研究員、論文一作彭超解讀了COCO 2017物體檢測奪冠演算法論文《MegDet: A Large Mini-Batch Object Detector》,並分享了奪冠歷程和經驗。 除物體檢測競賽之外,Face++在COCO

【機器視覺】研究院解讀COCO2017物體檢測奪冠論文

主講人:彭超 | 曠視研究院研究員屈鑫 整理編輯量子位·吃瓜社 出品 | 公眾號 AI7gua1

實錄 | 研究院詳解COCO2017人體姿態估計冠軍論文(PPT+視訊)

主講人:王志成 | 曠視研究院研究員屈鑫 整理編輯量子位 出品 | 公眾號 QbitAI12月1

Paperreading 之二  多人人體姿態估計COCO2017冠軍—CPN

前言 人體姿態估計是MSCOCO資料集(http://cocodataset.org/)上面的一項比賽,人體關鍵點檢測,目前主流的做法都是深度學習來做。可以分為兩個大的方向: (1)top-down方向:自頂向下的方法,目前的主流,像cpn,hourglass,cpm,

人體姿態估計在網約車風控系統中的應用

姿態估計 卷積神經網絡 網約車公司在運營過程中經常會遇到一個問題,就是如果司機不接單,卻把車開出去接乘客,相當於開黑車。那麽系統如何發現這種行為,其中就需要人體姿態估計。 相對於傳統方法,只識別人體來數人數有一個問題,就是如果乘客之間發生遮擋,或者後排乘客沒有露出面部,就會找不到乘客。 使用人體姿態估

soft-argmax將熱點圖轉換為數值坐標應用於人體姿態估計

sum 緩解 mat 漸變 圖標 bubuko 訓練 分組 參考 人體姿態估計常用預測熱點圖的方法預測x和y的坐標值,熱點圖可以理解為概率響應圖,通過求熱點圖最大值所在位置坐標,就可以得到該關鍵點的位置坐標 熱點圖法的缺點 量化產生的精度損失:卷積網絡下采樣使模型的

【電腦科學】【2016】單目視訊三維人體姿態估計的深度學習模型

本文為立陶宛維爾紐斯格迪米納斯技術大學(作者:Agnė Grinciūnaitė)的碩士論文,共68頁。 有一種視覺系統,它可以很容易地識別、跟蹤人體的位置、運動和行為,而不需要任何額外的感知手段。這個系統擁有一個稱為大腦的處理器,只經過幾個月的訓練就能稱職地完成以上任務。通過更多

快速人體姿態估計--Pose Proposal Networks

Pose Proposal Networks ECCV2018 本文使用 YOLO + bottom-up greedy parsing 進行人體姿態估計 its total runtime using a GeForce GTX1080Ti card reaches

人體姿態估計(Human Pose Estimation)---優質學習資源

目錄 0、簡介                                   這是一個簡單的資源僅供參考,Just for Xiuyun-Mo 0、簡介 姿態估計的目標是在RGB影象或視訊中描繪出人體的形狀,這是一種多方面任務,其中包含了目標檢測、姿

人體姿態估計Alphapose配置安裝教程(GPU,超詳細,親測有效!)

首先簡單介紹一下Alposepose 該模型提出的論文:《RMPE: Regional Multi-Person Pose Estimation》ICCV 2017,是由上海交通大學提出的,目前在多人自討估計的效果最好。 文章的寫作背景是單人姿態估計的方法不能用在多人

基於OpenCV使用OpenPose進行多個人體姿態估計

目錄 7. 結果 之前我們使用OpenPose模型對單個人體進行姿態估計。本文討論瞭如何同時對多人體進行姿態估計。 假如圖片中具有多個人體,姿態估計會生成多個獨立的關鍵點。我們需要對關鍵點分類,找出屬於同一個人的關鍵點。 我

人體姿態估計2014-2017

一、常用資料集Pose Estimation/keypoint常用資料集1. Posetrack:https://posetrack.net/> 500 video sequences> 20K frames> 150K body pose annota

姿態估計】DeepPose: 基於深度神經網路的人體姿態估計 Human Pose Estimation via Deep Neural Networks

Alexander Toshev Christian Szegedy Google 1600 Amphitheatre Pkwy Mountain View, CA 94043 toshev,[e

深度| 2017CV技術報告:從3D物體重建到人體姿態估計

http://baijiahao.baidu.com/s?id=1586452716793092415&wfr=spider&for=pc機器之心編譯The M Tank 編輯了一份報告《A Year in Computer Vision》,記錄了 2016

六種人體姿態估計的深度學習模型和程式碼總結(轉載)

六種人體姿態估計的深度學習模型和程式碼總結 姿態估計的目標是在RGB影象或視訊中描繪出人體的形狀,這是一種多方面任務,其中包含了目標檢測、姿態估計、分割等等。有些需要在非水平表面進行定位的應用可能也會用到姿態估計,例如圖形、增強現實或者人機互動。姿態估計同樣包

2017CV技術報告:從3D物體重建到人體姿態估計

The M Tank 編輯了一份報告《A Year in Computer Vision》,記錄了 2016 至 2017 年計算機視覺領域的研究成果,對開發者和研究人員來說是不可多得的一份詳細材料。該材料共包括四大部分,在本文中機器之心對第三部分做了編譯介紹,第一部分、第二部分和第四部分詳見《 計算機視

人體姿態估計資料集彙總

LSP FLIC MPII 地址:http://human-pose.mpi-inf.mpg.de/ 樣本數:25K 關節點個數:16 全身,單人/多人,40K people

人體姿態估計(Human Pose Estimation)文獻綜述

一、研究背景 維基百科對人體姿態估計的定義如下: Articulated body pose estimation in computer vision is the study of algorithms and systems that recover the pos

Paper List:CVPR 2018 人體姿態估計相關

1.By Object 1.1 Human Body Learning to Estimate 3D Human Pose and Shape From a Single Color Image Recognizing Human Actions as the Evol

人體姿態估計

Visual Geometry Group的Marcin Eichner,Manuel J.Marin-Jimenez,Andrew Zisserman,Vittorio Ferrari等提出一種靜態影象中估計人體姿態的方法,甚至在複雜背景下。圖片中的人能在任意