Deep learning methode voor Human Pose Estimation: DeepCut

DeepCut is net als het vorige keer besproken OpenPose een deep learning methode voor Human Pose Estimation. Deze methode voert gelede Human Pose Estimation uit voor meerdere mensen in echte beelden. Het is een benadering die gezamenlijk de uitdagingen van detectie en Pose Estimation oplost. DeepCut leidt het aantal personen in een beeld af, identificeert afgesloten lichaamsdelen, en verwijdert dubbelzinnigheden wat betreft lichaamsdelen van mensen die dichtbij elkaar zijn zodat duidelijk wordt welk lichaamsdeel van wie is. Deze gezamenlijke formulering is in contrast met voorgaande methoden, die de taak uitvoeren door eerst mensen te detecteren en daaropvolgend hun pose te schatten.

Deep learning methode voor Human Pose Estimation: OpenPose

Realtime Multi-Person 2D Pose Estimation is een belangrijk onderdeel om machines een begrip te laten hebben van mensen in afbeeldingen en video’s. Human Estimation heeft zich primair gefocust op het vinden van lichaamsdelen van individuen. Het afleiden van de pose van meerdere mensen in beelden gaat gepaard met een unieke set uitdagingen. OpenPose is een van de populairste bottom-up benaderingen om deze uitdagingen aan te pakken.

Model architecturen voor Human Pose Estimation

Er bestaat een overvloed aan model architecturen voor het tackelen van Human Pose Estimation. Het zijn er teveel om nu allemaal te bespreken, maar hierbij een kennismakingsoverzicht van een aantal robuuste, betrouwbare architecturen die een goed begin vormen.