Una Red Gruesa-Fina para la Localización de Puntos Clave

Proponemos una red gruesa-fina (CFN) que explota supervisiones a múltiples niveles para la localización de puntos clave. Recientemente, los métodos basados en redes neuronales convolucionales (CNNs) han logrado un gran éxito debido a las potentes características jerárquicas en las CNNs. Estos métodos típicamente utilizan mapas de confianza generados a partir de las ubicaciones de los puntos clave de verdad como señales de supervisión. Sin embargo, mientras que algunos puntos clave pueden ser localizados fácilmente con alta precisión, muchos de ellos son difíciles de localizar debido a la ambigüedad en la apariencia. Por lo tanto, utilizar una supervisión estricta a menudo falla en detectar puntos clave que son difíciles de localizar con precisión. Para abordar este problema, desarrollamos una red de localización de puntos clave compuesta por varias ramas de detectores gruesos, cada una de las cuales se construye sobre una capa de características en una CNN, y una rama de detector fino construida sobre múltiples capas de características. Supervisamos cada rama mediante un mapa de etiquetas específico para explicitar un cierto nivel de estricta supervisión. Todas las ramas se unifican principalmente para producir las ubicaciones finales precisas de los puntos clave. Demostramos la eficacia, eficiencia y generalidad de nuestro método en varios benchmarks para múltiples tareas, incluyendo la localización de partes de aves y la estimación de la pose del cuerpo humano. Especialmente, nuestro método logra un 72.2% de AP en el conjunto de datos del Desafío de Puntos Clave COCO 2016, lo que representa una mejora del 18% respecto a la entrada ganadora.