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

• 作者: 孙新领 张皓 赵丽
• 来源期刊: 计算机应用研究
• 关键词: 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
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1566-1569,1581
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.11.0855

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵丽	山西大学软件学院	49	144	6.0	10.0
2	孙新领	河南工学院计算机科学与技术系	12	33	3.0	5.0
3	张皓	河南工学院计算机科学与技术系	17	13	3.0	3.0