典型文献
基于RNN和注意力机制的双向人体姿态补全方法
文献摘要：
为解决监控视频中行人相互遮挡问题,提出了一种人体姿态序列补全方法.该方法在给定两端可见的姿态序列时,能生成中间缺失的姿态序列,主要包含以下过程:(1)采用基于注意力机制的序列到序列模型,以给定的两端可见的姿态序列为输入,输出中间的目标姿态序列;(2)同样采用上述基于注意力机制的序列到序列模型,但以逆序的两端姿态序列为输入,输出中间的目标姿态序列;(3)将双向预测结果进行混合后得到最终的目标序列结果.所提方法很好地解决了在前后姿态已知的情况被遮挡行人姿态的恢复问题.在Human3.6M,CASIA等数据集上进行了测试,并以生成的姿态数据与真值之间的L2误差作为评价指标,与相关方法对比,平均补全误差由81.6降低至42.5,性能提升了47.9％.
文献关键词：
深度学习;循环神经网络;序列到序列模型;人体姿态补全;注意力机制
中图分类号：
作者姓名：
杨韫韬;聂勇伟;张青;李平;李桂清
作者机构：
华南理工大学计算机科学与工程学院 广州 510006;中山大学计算机学院 广州 510006;香港理工大学电子计算学系与设计学院 香港 999077
文献出处：
引用格式：
[1]杨韫韬;聂勇伟;张青;李平;李桂清-.基于RNN和注意力机制的双向人体姿态补全方法)[J].计算机辅助设计与图形学学报,2022(11):1772-1783
A类：
人体姿态补全
B类：
RNN,注意力机制,监控视频,中行,遮挡问题,下过,序列到序列模型,逆序,双向预测,目标序列,遮挡行人,Human3,6M,CASIA,真值,L2,相关方法,方法对比,性能提升,循环神经网络
AB值：
0.293093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
