带特征监控的高维信息编解码端到端无标记人体姿态估计网络

• 作者: 沈栎 陈莹
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 计算机视觉 深度图 人体姿态估计 深度学习 三维数据卷积网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1528-1537
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.08.010

摘要

针对点云空间三维信息非结构化和旋转易变性对预测结果的影响,提出一种带特征监控的三维信息编解码卷积神经网络,该网络可实现三维空间下单目深度图的端对端无标记人体姿态估计.所设计的网络由特征监控编解码组件串联而成,该组件第一部分使用三维卷积模块以类似沙漏结构的形式组合设计,实现对特征图的编码和解码;第二部分以不同参数残差块并联,实现对特征图的监控融合,第一部分与第二部分首尾连接构成组件.特征监控编解码组件能根据数据集大小,通过串联的方式搭建不同深度的网络,同时根据数据分辨率,设置组件参数,实现由粗到精的特征学习,最终获得最佳网络.通过ITOP数据库的实验表明,该网络实现了空间三维信息的端到端深度学习,显著提高了系统性能并具有更高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莹		101	401	10.0	14.0
2	沈栎		2	0	0.0	0.0