10.19678/j.issn.1000-3428.0056176
基于深度残差网络的多损失头部姿态估计
为提高真实场景下头部姿态估计的准确性,提出一种采用深度残差网络的头部姿态估计方法.将深度残差网络RestNet101作为主干网络,引入优化器提高深层卷积网络训练时的梯度稳定性,使用RGB图像并采用分类器计算交叉熵损失,同时结合回归损失预测欧拉角表示头部姿态.实验结果表明,与FAN地标检测方法和无关键点细粒度方法相比,该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差值更小,分别达到5.396和2.922,在300W_LP数据集上测试精度超过95%,在真实场景下具有较好的鲁棒性.
深度残差网络、欧拉角、梯度优化、回归损失、姿态估计
46
TP391.4(计算技术、计算机技术)
甘肃省科技计划18JR3RA097
2021-02-04(万方平台首次上网日期,不代表论文的发表时间)
共7页
247-253