10.13700/j.bh.1001-5965.2019.0387
基于多源图像弱监督学习的3D人体姿态估计
3D人体姿态估计是计算机视觉领域一大研究热点,针对深度图像缺乏深度标签,以及因姿态单一造成的模型泛化能力不高的问题,创新性地提出了基于多源图像弱监督学习的3D人体姿态估计方法.首先,利用多源图像融合训练的方法,提高模型的泛化能力;然后,提出弱监督学习方法解决标签不足的问题;最后,为了提高姿态估计的效果,改进了残差模块的设计.实验结果表明:改善的网络结构在训练时间下降约28%的情况下,准确率提高0.2%,并且所提方法不管是在深度图像还是彩色图像上,均达到了较好的估计结果.
人体姿态估计、沙漏网络、弱监督、多源图像、深度图像
45
TP391.4(计算技术、计算机技术)
国家重点研发计划;北京市教委科技项目
2020-01-16(万方平台首次上网日期,不代表论文的发表时间)
共10页
2375-2384