基于单目RGB的3D人体姿态估计1. 简介2. 实现方案3. 实践1. 简介目标：3D人体姿态估计是从图片或视频中估计出关节点的三维坐标 (x, y, z)，它本质上是一个回归问题。不确定性：一个2D骨架可以对应多个3D骨架，它具有在单视角下2D到3D映射中固有的深度模糊性与不确定性2. 实现方案方案1：从2D图片直接暴力回归得到3D坐标方案2：分为两个阶段进行，首先获取2D姿态，然后再“提升”到

基于RGB的姿态识别2021.41. 关键的姿态识别方法总结1. 关键的姿态识别方法总结PCKh：Head-normalized Percentage of Correct Keypoints方法处理时长PCKh硬件平台特点HRNet-W326.8s92.3高通845 SoC CPU高准确率PoseNet60ms80.2高通845 SoC CPU高度修剪的CNN模型...

1. 目标分类-Classification解决“是什么？”的问题即给定一张图片或一段视频判断里面包含什么类别的目标定位-Location解决“在哪里？”的问题即定位出这个目标的的位置检测-Detection解决“是什么？在哪里？”的问题即定位出这个目标的的位置并且知道目标物是什么。分割-Segmentation分为实例的分割（Instance-leve...

1. 简介1.1 动作识别分类基于深度信息 （相关论文）3d action recognition from novel viewpoints (2016)Global context-aware attention lstm networks for 3d action recognition (2017)Super normal vector for activity recognition

基于三维骨骼的动作识别1. 简介2. 识别步骤2.1 人体方向归一化1. 简介2. 识别步骤2.1 人体方向归一化由于人体正方向不一定与深度摄像头（如Kinect）平面垂直，则需要对人体进行方向归一化操作使人体“头部”、“左肩”、“右肩”、“颈部”和“臀部中心”五个关节所在平面ppp 与x−yx - yx−y 平面平行，zzz 轴正方向为面向深度摄像头正前方，如下图 所示然后，再以“臀部中心”为原

mmdetection训练自己的数据集和类别

mmdetection训练自己的数据集和类别

1. 简介参考论文：Deep Face Recognition: A Survey1.1 人脸识别步骤人脸检测人脸预处理：人脸关键点检测 + 人脸矫正人脸表示：提取具有较好表达能力的特征向量特征比对/特征匹配1.2 经典模型DeepFaceFaceNetCenterLoss...

图像分类、目标检测、语义/实例/全景分割、超像素1. 图像分类（image classification）2. 目标检测（object detection）3. 图像分割（image segmentation）3.1 语义分割（semantic segmentation）3.2 实例分割（instance segmentation）3.3 全景分割（panoptic segmentation）4.

目标检测相关知识