一种3D人体姿态估计模型训练方法.pdf
努力****骞北
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种3D人体姿态估计模型训练方法.pdf
一种3D人体姿态估计模型训练方法,属于数字图像处理和机器学习的交叉技术领域,其中训练方法包括:构建姿态估计网络模型,获取目标3D样本图像,在样本图像上以固定间距设置锚点后将图像矩阵输入至网络模型,经过多轮迭代训练后得到训练好的姿态估计模型。利用训练好的网络模型可以对包含人体姿态的图像进行姿态估计。本发明采用空间设置锚点的方法,对人体的关节点坐标进行预测,能够获得很高的准确率;同时,计算量比传统的3D姿态估计要低得多,具有一定的应用前景。
一种基于几何驱动的自监督人体3D姿态估计网络训练方法.pdf
本发明涉及一种基于几何驱动的自监督人体3D姿态估计网络训练方法,属于人工智能计算机视觉领域,能够有效解决当前基于深度学习的人体3D姿态网络训练需要大量的人体3D关节点标注数据的技术问题。本发明方法,不依赖人体3D关节点标注数据,完全依靠几何先验知识,可以避免繁琐的人体3D关节点的标注过程,所提出的变换重投影损失可以探索多视角一致性以训练人体3D姿态估计网络,可以在训练过程中获得更加准确的人体3D姿态预测结果,所提出的根节点位置估计网络在3D姿态估计网络训练过程中保留重投影的2D姿态的尺度信息,可以在训练过
姿态估计模型训练方法、姿态估计方法、装置和电子设备.pdf
本申请实施例公开了姿态估计模型训练方法、姿态估计方法、装置和电子设备。该方法的实施例包括:获取样本图像和样本图像中的关节点的初始热力图;将样本图像输入至待训练的姿态估计模型,得到样本图像中的关节点的尺度特征图、预测热力图和嵌入标签;基于尺度特征图对初始热力图进行调整,得到目标热力图;基于目标热力图、预测热力图以及嵌入标签,更新待训练的姿态估计模型的参数。该实施方式在保证处理效率的同时,提高了姿态估计结果的精度。
人体姿态预测模型训练方法、人体姿态预测方法及装置.pdf
本申请提供了一种人体姿态预测模型训练方法、人体姿态预测方法及装置。该方法,包括:获取标注训练集和未标注训练集,标注训练集包括多张包含标注数据的第一人体图像,标注数据用于表示第一人体图像中的真实姿态信息;将第一人体图像输入人体姿态预测模型中的生成器,得到对应的第一人体姿态预测结果,并根据标注数据以及第一人体姿态预测结果计算生成器的第一损失值;将第二人体图像输入生成器,得到对应的第二人体姿态预测结果;根据第一人体图像、标注数据、第二人体图像以及第二人体姿态预测结果计算人体姿态预测模型中的判别器对应的第二损失值
一种变电站场景下的实时3D人体姿态估计的方法.pdf
本发明涉及一种变电站场景下的实时3D人体姿态估计的方法,基于自顶向下和自底向上方法融合以及多层Transformer网络架构的3D姿态估计网络,实现了变电站作业场景下的人体3D关节点提取,提出基于自顶向下和自底向上方法融合的策略,分别计算自顶向下和自底向上两种方法生成的2D关节点结果相似度,并与人工设定阈值比较,实现自顶向下和自底向上两种方法的融合并提升了3D人体姿态估计的鲁棒性。本发明使用Transformer代替卷积神经网络,利用其自监督能力获取输入图像的时序信息与空间信息,改善对于遮挡目标的估计能力