基于卷积神经网络的人体姿态估计研究

发布时间：2023-05-13 19:27

　　人体姿态估计已成为人机交互等智能应用解决方案的热点问题,但是在面对小尺度人体实例时,以往的深度学习网络得到的结果不是非常理想,无法准确地估计出图片或视频中所有人的姿态。因此,为了解决人体姿态估计中尺度变化的问题,特别是精确定位小尺度人体实例的关键点,本文提出了一种改进的高分辨率网络(Improved High-Resolution Network,Improved HRNet)。本文主要改进工作如下:(1)在特征提取模块中,本文在并行子网络向前传递的过程中添加了双重注意力机制,目的是在不改变通道数的前提下,赋予传播信息权重,分配权重大的信息为有用信息,减少无关信息带来的干扰。(2)在关键点分组模块中,引入关联嵌入的方法,使得网络能够同时输出实例检测和关键点分组,减少了以往的两阶段任务(即先检测所有关键点,再进行分组)会丢失网络中深层语义信息的现象。本文使用了一种基于双线性插值法的热图聚合策略,用于实现上采样操作,将预测热图的分辨率提高到与主干网络输入特征图相同的分辨率,然后通过把所有不同尺度的特征图取平均值,实现最终的预测。(3)在训练网络过程中,本文使用多分辨率监督学习,即在不同分辨...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 引言
    1.1 研究背景与研究意义
    1.2 研究现状与研究难点
    1.3 研究内容与章节安排
2 相关工作
    2.1 人体姿态估计
    2.2 卷积神经网络
    2.3 残差神经网络
    2.4 本章小结
3 基于改进高分辨率网络的人体姿态估计
    3.1 高分辨网络
    3.2 双重注意力机制
    3.3 关键点分组
    3.4 反卷积模块
    3.5 多分辨率监督
    3.6 热图聚合
    3.7 本章小结
4 实验与分析
    4.1 实验设置
    4.2 数据集
    4.3 关键点检测
    4.4 消融实验
    4.5 实验分析
    4.6 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文目录



本文编号：3816367