Lightweight Human Pose Estimation Using Heatmap-Weighting Loss 人間の姿勢推定に関する最近の研究では、複雑な構造を利用してベンチマークデータセットのパフォーマンスを向上させ、モデルが実際に展開されたときのリソースのオーバーヘッドと推論速度を無視しています。この論文では、SimpleBaselineのデコンボリューションヘッドネットワークの計算コストとパラメータを軽減し、元の、レベル間、およびレベル内の情報を利用して精度を高める注意メカニズムを紹介します。さらに、ヒートマップの重み付け損失と呼ばれる新しい損失関数を提案します。これは、ヒートマップ上の各ピクセルの重みを生成し、モデルをキーポイントにより焦点を合わせたものにします。実験は、私たちの方法がパフォーマンス、リソース量、および推論速度の間のバランスを達成することを示していま
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く