首页
学习
活动
专区
工具
TVP
发布

JNing的专栏

专栏作者
694
文章
965940
阅读量
50
订阅数
【3D人脸】Mediapipe Vs Persona
论文《Persona: Real-Time Neural 3D Face Reconstruction for Visual Effects on Mobile Devices》中吐槽mediapipe效果不佳,示例视频主要列举了四种badcase。
JNingWei
2022-11-14
4580
【3D人脸】MediaPipe Face Mesh 调研
MediaPipe Face Mesh:不够高清,case也不够丰富,暂时看不出问题。
JNingWei
2022-11-14
6900
【3D人脸】AI Mesh 数据工程调研
[2021,微软] Fake It Till You Make It: Face analysis in the wild using synthetic data alone(对数字人渲染,从真实标签render出假图。开源的假图只给了70个2d点,不给模型)
JNingWei
2022-11-14
5330
【人体骨骼点】top-down与bottom-up
究竟是哪种策略(top-down / bottom-up),主要看接了一个什么样的head。如果接的是heatmap那就是bottom-up。和网络结构本身无关。
JNingWei
2022-10-31
7140
【人体骨骼点】发展脉络
根据结构划分 One-stage Simple Baselines Two-stage CPN Multi-stage CPM Hourglass MSPN HRNetv1 / HigherHRNet / HRNetv2 根据作者划分 CMU CPM(2015) OpenPose(2016) MSRA Simple Baselines(2018) HRNetV1(2019) Princeton Hourglass(2016) Associative Embed
JNingWei
2022-10-31
5320
【人体骨骼点】评估方式
MSE(均方误差) PCP(正确部位的百分比) 如果两个预测的关节位置与真实肢体关节位置之间的距离小于肢体长度的一半(通常表示为PCP@0.5),则认为肢体被检测到(正确的部位)。 它测量肢体的检出率。结果是,由于较短的肢体具有较小的阈值,因此它会对较短的肢体进行惩罚。 PCP越高,模型越好。 PCK(正确关键点的百分比) 如果预测关节与真实关节之间的距离在特定阈值内,则检测到的关节被认为是正确的。阈值可以是: PCKh@0.5是阈值=头骨链接的50%时 PCK@0.2 ==预测和真实关节之间的距离
JNingWei
2022-10-31
5650
【人体骨骼点】gt构建
gt类型 Coordinate Heatmap Heatmap + Offsets Heatmap(热图)与Coordinate(直接回归)的本质区别: heatmap的方式被广泛使用在人体骨架的问题里面。这个跟人脸landmark有明显的差异,一般人脸landmark会直接使用回归(fully connected layer for regression)出landmark的坐标位置。 首先人脸landmark的问题往往相对比较简单,对速度很敏感,所以直接回归相比heatmap来讲速度会更快,另外直接回归
JNingWei
2022-10-31
5300
【人体骨骼点】数据集
LSP(Leeds Sports Pose Dataset) 单人人体关键点检测数据集,关键点个数为14,样本数2K,在目前的研究中作为第二数据集使用。 FLIC(Frames Labeled In Cinema) 单人人体关键点检测数据集,关键点个数为9,样本数2W,在目前的研究中作为第二数据集使用。 MPII(MPII Human Pose Dataset) 单人/多人人体关键点检测数据集,关键点个数为16,样本数25K,是单人人体关键点检测的主要数据集。 COCO 多人人体关键点检测数据集,关键点个数
JNingWei
2022-10-31
8800
【人体骨骼点】算法综述
2013 DeepPose(2013.12,google) 第一个将深度学习应用于humanPose,fc层后面直接暴力回归xy坐标。 2014 Joint-cnn-mrf(2014.06,纽约大学的LeCun组) 第一个采用heatmap的方式来回归出关键点。 SpatialDropout(2014,纽约大学的LeCun组) 第一个采用多尺度fm。 MPII 数据集(2014) 此前的大部分paper都是基于FLIC以及LSP来做评估的,但是在深度学习时代,数据量还是相对偏少(K级别)。 MPII把数据量
JNingWei
2022-10-31
7060
条件随机场(Conditional Random Field,CRF)
完全连接的CRF在双线性插值后应用于网络输出上。 📷 CRF是一个后阶段的处理过程,它使DeepLabv1和DeepLabv2变为不是端到端的学习框架。不在DeepLabv3和DeepLabv3 +中被弃用。 输入的是原图和mask,对输出结果做一个融合微调,使得分割结果更精准。 CRF能够稳定提效,但是极其耗时。只有完全不考虑实效性的刷版才会使用到。 要用的话,推荐用全连接条件随机场(DenseCRF)。 【总结】图像语义分割之FCN和CRF
JNingWei
2022-05-11
6640
论文阅读: 2104.STDC
2104.13188:Rethinking BiSeNet For Real-time Semantic Segmentation
JNingWei
2021-12-06
2600
论文阅读: 2104.Lite-HRNet
2104.06403:Lite-HRNet: A Lightweight High-Resolution Network
JNingWei
2021-12-06
7460
论文阅读: 2103.Boundary IoU
2103.16562:Boundary IoU: Improving Object-Centric Image Segmentation Evaluation
JNingWei
2021-12-06
6000
论文阅读: 2005.U2Net
2005.09007:U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection
JNingWei
2021-12-06
2300
论文阅读: 2002.SFNet
2002.10120:Semantic Flow for Fast and Accurate Scene Parsing
JNingWei
2021-12-06
5030
论文阅读: 1912.PointRend
1912.08193:PointRend: Image Segmentation as Rendering
JNingWei
2021-12-06
4270
论文阅读: 1911.SINet
1911.09099:SINet: Extreme Lightweight Portrait Segmentation Networks with Spatial Squeeze Modules and Information Blocking Decoder
JNingWei
2021-12-06
3770
论文阅读: 1909.OCRNet
1909.11065:Segmentation Transformer: Object-Contextual Representations for Semantic Segmentation
JNingWei
2021-12-06
5100
论文阅读: 1908.HRNetv1
1908.07919:Deep High-Resolution Representation Learning for Visual Recognition
JNingWei
2021-12-06
2970
论文阅读: 1904.DFANet
1904.02216:DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation
JNingWei
2021-12-06
1780
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
热点技术征文第五期
新风口Sora来袭,普通人该如何把握机会?
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档