TransPose: Towards Explainable Human Pose Estimation by Transformer

TransPose: Towards Explainable Human Pose Estimation by Transformer

2021-01-05 21:06:22

 

Paperhttps://arxiv.org/pdf/2012.14214.pdf

Codehttps://github.com/yangsenius/TransPose

 

1. Background and Motivation

本文将 transformer 和 pose estimation 结合在一起,提出 TransPose。核心思想是增强了可解释性。大致的方法如下:

 

 

 

可以看到,是 CNN + transformer 的结构。并且每一个 layer 较好的反映了不同物体之间以及不同 part 的之间的依赖关系。本文的另外的核心观点是,CNN 较好的关注 low-level feature,但是感受野受限,而 Transformer 不存在这种问题。

 

 

 

2. Approach Detail

该网络主要由三个部分构成:

1). Backbone network: 本文采用 resnet-50 和 HRNet 作为骨干网络提取 low-level feature; 

2). Transformer Encoder

    将 CNN 输出的 feature map 进行 reshape,得到多个向量特征。然后输入到 Transformer 模型中。

3). Prediction Head:  

    首先对 transformer 的输出进行 reshape,得到 C*H*W 的 feature map。然后用 1*1 或者 4*4  conv layers 对得到的 feature vector 进行变换。

 

3. Experiment

 

 

 

 

  

posted @   AHU-WangXiao  阅读(1038)  评论(0编辑  收藏  举报
编辑推荐:
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
阅读排行:
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· DeepSeek “源神”启动!「GitHub 热点速览」
· 我与微信审核的“相爱相杀”看个人小程序副业
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
· 上周热点回顾(2.17-2.23)
历史上的今天:
2017-01-05 StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks 论文笔记
2017-01-05 Image-to-Image Translation with Conditional Adversarial Networks 论文笔记
点击右上角即可分享
微信分享提示