نحو تقدير دقيق للوضعية متعددة الأشخاص في البيئة الطبيعية

نقترح طريقة للكشف عن الأشخاص المتعددين وتقدير الوضعية ثنائية الأبعاد تحقق نتائج في الطليعة على مهمة نقاط المفتاح الصعبة في COCO. إنها طريقة من أعلى إلى أسفل بسيطة ومع ذلك قوية، تتكون من مرحلتين.في المرحلة الأولى، نتنبأ بموقع وحجم الصناديق التي من المحتمل أن تحتوي على أشخاص؛ لهذا الغرض نستخدم كاشف Faster RCNN. في المرحلة الثانية، نقدر نقاط المفتاح للشخص المحتمل وجوده داخل كل صندوق مقترح. بالنسبة لكل نوع من نقاط المفتاح، نتنبأ بخراطيش حرارية وكروافيز باستخدام شبكة ResNet بالكامل متكررة التوالي. لدمج هذه النواتج، نقدم إجراء تجميع جديدًا للحصول على تنبؤات عالية الدقة لنقاط المفتاح. كما نستخدم شكلًا جديدًا من القمع غير الأقصى المستند إلى نقاط المفتاح (Non-Maximum-Suppression - NMS)، بدلاً من القمع غير الأقصى المستند إلى الصناديق، وشكلًا جديدًا من تقدير درجة الثقة بنقاط المفتاح، بدلاً من تقدير درجة الثقة بالصناديق.عند التدريب باستخدام بيانات COCO فقط، يحقق نظامنا النهائي دقة متوسطة قدرها 0.649 على مجموعة الاختبار COCO test-dev وأخرى قدرها 0.643 على مجموعة الاختبار القياسية test-standard، مما يتفوق على الفائز في تحدي نقاط المفتاح COCO لعام 2016 والطرق الحديثة الأخرى الرائدة. علاوة على ذلك، باستخدام بيانات إضافية مصنفة داخليًا، حصلنا على دقة متوسطة أعلى قدرها 0.685 على مجموعة الاختبار test-dev و0.673 على مجموعة الاختبار القياسية test-standard، وهو ما يمثل تحسنًا مطلقًا بنسبة أكثر من 5% مقارنة بأفضل طريقة سابقة أدت إلى نفس النتائج في نفسASET.请注意，最后一句中的"ASET"可能是原文的一个拼写错误，正确的应该是"dataset"。因此，我将其翻译为“数据集”。如果这是特定术语，请告知我以便进行调整。