作者:
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:
为了解决关键点检测精度不均和整体关键点检测精度不高等问题,基于级联特征网络,通过构建主体网络多分支、多阶段、多分辨率的方式从输入图像中提取丰富特征,并通过微调网络中的级联和在线关键点挖掘以提高整体关键点检测精度.采用自顶向下的方法在MPII数据集上与目前先进方法进行对比实验,分别使用20000张图像进行训练,5000张图像进行测试.实验结果表明,基于级联特征网络的人体姿态估计方法具有更高的多人姿态估计准确率,平均精度达80.4%,且一些不易识别的关键点检测精度更高.
推荐文章
基于改进卷积神经网络的人体姿态估计
人体姿态估计
深度学习
卷积神经网络
先验分布
全局特征
基于Haar型LBP纹理特征的人体姿态估计
计算机视觉
人体姿态估计
外观模型
特征提取
纹理特征
加权Haar型局部二值模式特征
基于深度学习的人体姿态估计方法综述
人体姿态估计
深度学习
关节点坐标
人体模型
检测回归
基于深度图像梯度特征的人体姿态估计
计算机视觉
人体姿态估计
深度图像
特征提取
随机森林
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 基于级联特征网络的人体姿态估计
来源期刊 软件导刊 学科 工学
关键词 人体姿态估计 多尺度融合 在线关键点挖掘 高分辨率特征 人体关键点
年,卷(期) 2021,(1) 所属期刊栏目 人工智能
研究方向 页码范围 81-83
页数 3页 分类号 TP301
字数 语种 中文
DOI 10.11907/rjdk.201535
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (2)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(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)
研究主题发展历程
节点文献
人体姿态估计
多尺度融合
在线关键点挖掘
高分辨率特征
人体关键点
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
论文1v1指导