論文の概要: Deep Multi-Task Networks For Occluded Pedestrian Pose Estimation

• arxiv url: http://arxiv.org/abs/2206.07510v1
• Date: Wed, 15 Jun 2022 13:09:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-17 00:04:34.038747
• Title: Deep Multi-Task Networks For Occluded Pedestrian Pose Estimation
• Title（参考訳）: 歩行者ポーズ推定のためのディープマルチタスクネットワーク
• Authors: Arindam Das, Sudip Das, Ganesh Sistu, Jonathan Horgan, Ujjwal Bhattacharya, Edward Jones, Martin Glavin, and Ciar\'an Eising
• Abstract要約: 本稿では, 歩行者の特徴を抽出する枠組みを提案する。 エンコーダは、教師なしインスタンスレベルのドメイン適応法を用いて、特定の特徴のポーズを学ぶ。 提案フレームワークは,ポーズ推定,歩行者検出,事例分割といった最先端性能を改善した。
• 参考スコア（独自算出の注目度）: 6.7841188753203046
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Most of the existing works on pedestrian pose estimation do not consider estimating the pose of an occluded pedestrians, as the annotations of the occluded parts are not available in relevant automotive datasets. For example, CityPersons, a well-known dataset for pedestrian detection in automotive scenes does not provide pose annotations, whereas MS-COCO, a non-automotive dataset, contains human pose estimation. In this work, we propose a multi-task framework to extract pedestrian features through detection and instance segmentation tasks performed separately on these two distributions. Thereafter, an encoder learns pose specific features using an unsupervised instance-level domain adaptation method for the pedestrian instances from both distributions. The proposed framework has improved state-of-the-art performances of pose estimation, pedestrian detection, and instance segmentation.
• Abstract（参考訳）: 歩行者のポーズ推定に関する既存の研究のほとんどは、関連する自動車のデータセットでは使用できないため、オクルードされた歩行者のポーズの推定を考慮していない。 例えば、自動車シーンにおける歩行者検出のためのよく知られたデータセットであるCityPersonsは、ポーズアノテーションを提供していない。 本研究では,これら2つの分布を別々に実行した歩行者特徴抽出とインスタンス分割タスクにより,歩行者特徴を抽出するマルチタスクフレームワークを提案する。 その後、エンコーダは、両方の分布から歩行者インスタンスに対する教師なしインスタンスレベルドメイン適応法を用いて、特定の特徴のポーズを学習する。 提案フレームワークは,ポーズ推定,歩行者検出,インスタンスセグメンテーションの最先端性能を改善した。

関連論文リスト

• OoDIS: Anomaly Instance Segmentation Benchmark [57.89836988990543]
  我々は、最もよく使われる異常セグメンテーションベンチマークを拡張して、インスタンスセグメンテーションタスクを含める。 この分野の開発は遅れており、主に専用のベンチマークがないためである。 異常なインスタンスセグメンテーション手法の評価は、この課題が未解決の問題のままであることを示している。
  論文  参考訳（メタデータ） (2024-06-17T17:59:56Z)
• Simultaneous Clutter Detection and Semantic Segmentation of Moving Objects for Automotive Radar Data [12.96486891333286]
  レーダセンサは、自動運転車の環境認識システムにおいて重要な部分である。 レーダーポイント雲の処理における最初のステップの1つは、しばしば乱れの検出である。 もう一つの一般的な目的は、移動道路利用者のセマンティックセグメンテーションである。 我々は,RadarScenesデータセットのセマンティックセマンティックセグメンテーションにおいて,我々の設定が極めて効果的であることを示し,既存のネットワークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-13T11:29:38Z)
• SDR-GAIN: A High Real-Time Occluded Pedestrian Pose Completion Method for Autonomous Driving [3.3113002380233447]
  本稿では,SDR-GAIN(SDR-GAIN)と呼ばれる新規な歩行者ポーズキーポイント完了手法を提案する。 SDR-GAINアルゴリズムは、約0.4msの驚くほど短い実行時間を示し、例外的なリアルタイム性能を誇っている。
  論文  参考訳（メタデータ） (2023-06-06T09:35:56Z)
• Feature Calibration Network for Occluded Pedestrian Detection [137.37275165635882]
  本稿では,特徴ネットワーク(FC-Net)と呼ばれるディープラーニングフレームワークにおける特徴学習手法を提案する。 FC-Netは、歩行者の目に見える部分が選択的であり、検出に決定的であるという観察に基づいている。 CityPersonsとCaltechのデータセットの実験では、ブロックされた歩行者の検知性能が最大10%向上している。
  論文  参考訳（メタデータ） (2022-12-12T05:48:34Z)
• An Objective Method for Pedestrian Occlusion Level Classification [6.125017875330933]
  咬合レベル分類は、視認可能な歩行者キーポイントの識別と、新しい2次元体表面積推定法を用いて達成される。 実験結果から,提案手法は画素幅を反映していることがわかった。 画像中の歩行者の閉塞レベルは あらゆる形で有効です 自己閉塞、切り離しのような挑戦的なエッジケースを含む、排他的(Occlusion)。 歩行者を包含する。
  論文  参考訳（メタデータ） (2022-05-11T11:27:41Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• SegTAD: Precise Temporal Action Detection via Semantic Segmentation [65.01826091117746]
  意味的セグメンテーションの新しい視点で時間的行動検出のタスクを定式化する。 TADの1次元特性により、粗粒度検出アノテーションを細粒度セマンティックセマンティックアノテーションに無償で変換できる。 1Dセマンティックセグメンテーションネットワーク(1D-SSN)と提案検出ネットワーク(PDN)からなるエンドツーエンドフレームワークSegTADを提案する。
  論文  参考訳（メタデータ） (2022-03-03T06:52:13Z)
• SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
  ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。 未発見のオブジェクトを扱うには不備だ。 このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
  論文  参考訳（メタデータ） (2021-04-30T07:58:19Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• An Attention-Based Deep Learning Model for Multiple Pedestrian Attributes Recognition [4.6898263272139795]
  本稿では,監視映像における歩行者の自動特徴付け問題に対する新しい解決策を提供する。 本稿では,より包括的な特徴表現を抽出するために,要素ワイド乗算層を用いたマルチタスクディープモデルを提案する。 実験は,2つのよく知られたデータセット (RAP と PETA) を用いて実施し,提案手法の最先端性に着目した。
  論文  参考訳（メタデータ） (2020-04-02T16:21:14Z)
• An End-to-End Framework for Unsupervised Pose Estimation of Occluded Pedestrians [2.6491437065671724]
  本稿では,歩行者のポーズ推定全体に向けたエンドツーエンドトレーニングのための新しい枠組みを提案する。 我々は、ポーズ推定データセットであるMS-COCOを利用し、教師なしのインスタンスレベルのドメイン適応を用いて、閉塞した歩行者のポーズ全体を推定する。
  論文  参考訳（メタデータ） (2020-02-15T19:00:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。