基于深度残差网络的多损失头部姿态估计

• 作者: 齐永锋 马中玉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度残差网络 欧拉角 梯度优化 回归损失 姿态估计
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形图像处理
• 页码范围: 247-253
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056176

摘要

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.