基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
判别式3D人体姿态估计方法直接学习图像观测到姿态之间的映射,需要大量训练集,而GPR对这种大训练集的映射模型学习由于计算复杂度太高而受到极大限制.提出了一种基于GPR和LWPR的增量式映射模型的学习方法,利用GPR学习各局部映射模型,基于LWPR的思想在线调整现有的模型和训练新的局部模型以及姿态估计.实验表明,该方法能够极大地减少大数据集上高斯过程回归的计算代价,并获得准确的姿态估计.
推荐文章
一种新的SVM多层增量学习方法HISVML
支持向量机
增量学习
关键词学习
文本分类
基于云模型的最接近支持向量机增量学习方法
支持向量机
云模型
分类
增量学习
支持向量机增量学习方法及应用
支持向量机
增量学习
学习精度
学习速度
面向人体行为识别的深度特征学习方法比较
深度学习
行为识别
序列数据分类
深度卷积神经网络
长短期时间记忆网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 增量式人体姿态映射模型的学习方法
来源期刊 计算机科学 学科 工学
关键词 姿态估计 高斯过程回归 局部加权投影回归 增量学习
年,卷(期) 2010,(3) 所属期刊栏目 图形图像及体系结构
研究方向 页码范围 268-270
页数 3页 分类号 TP391.4
字数 3383字 语种 中文
DOI 10.3969/j.issn.1002-137X.2010.03.067
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨扬 北京科技大学信息工程学院 183 2049 21.0 36.0
2 刘长红 北京科技大学信息工程学院 4 41 2.0 4.0
6 陈勇 南昌工程学院管理工程系 7 43 2.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
姿态估计
高斯过程回归
局部加权投影回归
增量学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导