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 SHEN Li;CHEN Ying

作者机构：江南大学轻工过程先进控制教育部重点实验室江苏无锡214000 

基　　金：国家自然科学基金(No.61573168) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2020年第48卷第8期

页      码：1528-1537页

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.

主 题 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 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.0372-2112.2020.08.010

馆 藏 号：203979095...