Deep Learning-Based Human Pose Estimation: A Survey
发布时间
阅读量：
阅读量
26页2D/3D人体姿态估计综述，共计297篇参考文献！本文对基于深度学习的2D和3D人体姿态估计解决方案进行全面回顾，并介绍了相关数据集和评估指标，最后还对各种技术进行了性能比较。
注：文末附**【人体姿态估计】**学习交流群
Deep Learning-Based Human Pose Estimation: A Survey
- 作者单位：北卡(UNCC), 戴顿大学, 中佛罗里达大学。注：两位IEEE Fellow，大佬云集
- github：https://github.com/zczcwh/DL-HPE
- 论文：https://arxiv.org/abs/2012.13392
人体姿态估计的目的是根据图像和视频等输入数据来定位人体部位并建立人体表征（例如，人体骨骼）。
在过去的十年中，它引起了越来越多的关注，并已被广泛用于包括人机交互，运动分析，增强现实和虚拟现实的应用中。
尽管最近开发的基于深度学习的解决方案在人体姿态估计方面取得了高性能，但是由于训练数据不足，深度模糊和遮挡，仍然存在挑战。
盘点之前的人体姿态估计综述：
本综述的目的是通过基于输入和推理程序的系统分析和比较，对基于深度学习的2D和3D姿态估计解决方案进行全面回顾。
主要贡献：
自2014年以来，该调研涵盖了240余篇研究论文。此外，还包括2D和3D人体姿势估计数据集和评估指标。
2D人体姿态估计
盘点2D人体姿态估计数据集
3D人体姿态估计
盘点3D人体姿态估计数据集
性能比较
总结并讨论了所调研方法在流行数据集上的定量性能比较。
2D人体姿态估计比较
3D人体姿态估计比较
最后，总结了所涉及的挑战，应用和未来的研究方向。
人体姿态估计交流群
已建立CVer-人体姿态估计微信交流群！已满300+人！想要进姿态估计学习交流群的同学，可以直接加微信号：CVer5555 。加的时候备注一下：人体姿态估计+学校+昵称 ，即可。然后就可以拉你进群了。
全部评论 (0)
还没有任何评论哟~