基于特权信息监督和注意力机制的多阶段姿态估计网络 (Learning using Privileged Information with Pose Refine Machine in Multi-Stage Pose Network,LPMSPN)

• 应用于极低光照环境下的人体姿态估计任务
• 多阶段网络模型
• 基于特权信息学习技术(LUPI)
• 姿态精炼机：轻量化注意力机制(PRM)
• 跨阶段特征聚合
• 在线困难点挖掘技术(OHKM)

模型训练所使用的数据集：ExLPose

---

模型在ExLPose测试集上测试效果：

其中，Baseline-first表示引入了基于特权信息学习策略(LUPI)的CPN网络，为ExLPose数据集的提出者所提供的基线方法。其中Baseline-first*表示本地复现的Baseline-first方法在ExLPose测试集上的最优结果。 Baseline-second表示本项目选取的第二种基线方法，即多阶段模型MSPN网络。在具体配置上，我们选取的阶段数为4，并且每个阶段的上采样过程也选取了预训练的ResNet-50网络。