DeepPrior++: Improving Fast and Accurate 3D Hand Pose Estimation总结

文章链接

摘要

​ 在DeepPrior上做了改进：1. 基础网络结构换成ResNet；2. 改进手部定位网络; 3. 数据增强

关键

1. 训练数据增强

   1. 旋转

   2. 放缩

   3. 平移

   4. Online Augmentation

      在训练时对输入图片做上述(旋转，缩放，平移)操作，保证每个epoch模型看到的都是不完全相同的输入。这能很好的提升鲁棒性。

   5. 更加鲁棒的先验

      使用增强的数据PCA初始化瓶颈层

2. 手部定位网络

   DeepPrior默认手部即距离摄像头最近的物体，从而截取出手部区域。本文在DeepPrior基础上，应用CNN回归预测中指的掌指关节点用于修正边界框。

3. 基础网络结构

​ 取消平均池化，加入两个全连接层

结果

​ 相较于DeepPrior有不错改善