人工智能培训

搜索

论文代码开源:用于半监督人员重新识别的稀疏标签平滑(Sparse Label Smoothing for Semi-supervised Person Re-I

[复制链接]
admin 发表于 2018-9-15 10:28:36 | 显示全部楼层 |阅读模式
admin 2018-9-15 10:28:36 1650 0 显示全部楼层
人工智能论文代码开源:用于半监督人员重新识别的稀疏标签平滑(Sparse Label Smoothing for Semi-supervised Person Re-Identification)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch。在本文中,我们将介绍2018年ECCV PoseTrackChallenge中关于3D人体姿态估计的获奖作品。使用完全卷积骨架结构,我们获得每个身体关节的体积热图,我们使用soft-argmax转换坐标。绝对人中心深度由a1D热图预测头估计。将坐标反投影到3D摄像机空间,在此处我们将L1损失最小化。我们取得良好成果的关键是使用来自Pascal VOC数据集的随机放置的封堵器进行训练数据增强。除了在挑战中获得第一名之外,我们的方法还在方法中超越了完整的Human3.6M基准测试的最新技术水平。在训练中使用无附加姿势数据集。
In this paper we present our winning entry at the 2018 ECCV PoseTrackChallenge on 3D human pose estimation.Using a fully-convolutional backbonearchitecture, we obtain volumetric heatmaps per body joint, which we convert tocoordinates using soft-argmax.Absolute person center depth is estimated by a1D heatmap prediction head.The coordinates are back-projected to 3D cameraspace, where we minimize the L1 loss.Key to our good results is the trainingdata augmentation with randomly placed occluders from the Pascal VOC dataset.In addition to reaching first place in the Challenge, our method also surpassesthe state-of-the-art on the full Human3.6M benchmark among methods thatuse noadditional pose datasets in training.论文代码开源:用于半监督人员重新识别的稀疏标签平滑(Sparse Label Smoothing for Semi-supervised Person Re-Identification) fSK61JLs21jnA9Zx.jpg
URL地址:https://arxiv.org/abs/1809.04987v1     ----pdf下载地址:https://arxiv.org/pdf/1809.04987v1    ----         ----github下载地址:https://github.com/isarandi/synthetic-occlusion    ----    论文代码开源:用于半监督人员重新识别的稀疏标签平滑(Sparse Label Smoothing for Semi-supervised Person Re-Identification)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch,keras,至于具体是哪一个没有完全测试。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

admin当前离线
管理员

查看:1650 | 回复:0

快速回复 返回顶部 返回列表