10.19734/j.issn.1001-3695.2018.11.0855
利用结构化SVM结合CNN的层次化目标检测与人体姿态估计方法
针对现有姿态估计方法不能准确提取特征参数的问题,提出了一种基于结构化支持向量机(SSVM)与卷积神经网络(CNN)的层次化模型.首先,展示了一个基于PS部件模型的SSVM如何实现为一个两层的神经网络,其中第一层是卷积层,另一层是损失增强推理层;通过将模型的结构化形式转换为模型中的一个神经网络,提出方法可以同时学习结构模型和外观模型,同时反向传播误差以学习底层的可学习参数,这些参数可从外观模型特征中提取出来;最后,将SSVM模型转换为神经网络模型,将误差反向传播到较低层,并计算确切的SS-VM损失,同时通过基于次梯度的方法来学习原始SSVM.将该模型与当前较为先进的识别模型进行了对比,结果证明提出的层次化模型的识别成功率比对比方法平均高6%,具有更强的识别性能.
人体姿态估计、外观模型、深度神经网络、卷积层、结构化支持向量机
37
TP391.41(计算技术、计算机技术)
河南省高等学校重点科研项目;山西省基础研究计划项目—青年科技研究基金资助项目
2020-06-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
1566-1569,1581