典型文献
基于机器学习的人体姿态估计模型研究
文献摘要：
设计了一种新型姿态估计算法,支持同步执行多个任务,在行人姿态估计中可以达到较好的效果.网络中划分为主网络、子网络两大部分,前者采用的主要是Darknet53网络,用于实现特征提取的功能;后者划分为关键点检测以及行人检测两大部分,分别基于特征金字塔、YOLOv3,将网络融合之后具备了显著的优势,继承了各个网络的优点,在保证姿态识别精度的同时提高了效率,减少了预测的时间,适合于应用到实时性要求较高的场景中.通过姿态残差网络来学习先前获得的姿态信息,解决了由于行人重叠或者遮挡等导致的图像模糊问题,依然保持了较高的识别精度,相对于其他的方法达到更高的准确性.基于与其他算法(CMU-Pose、Newel)进行对比的结果可知,设计的算法在COCO数据集中的预测精度达到了67.2％,效率为20 FPS,相对于其他算法无论在效率还是在精度上均显著提高,这表明提出的算法在保证准确率的同时具有实时性处理效果.
文献关键词：
YOLO目标检测算法;多任务姿态估计;姿态残差网络
中图分类号：
作者姓名：
刘鸿雁;孙丽丽;王雨晨;何子亨;车四四;王朔;马丕明
作者机构：
国网山东省电力公司信息通信公司,济南250001;山东大学信息科学与工程学院,山东青岛266000
文献出处：
引用格式：
[1]刘鸿雁;孙丽丽;王雨晨;何子亨;车四四;王朔;马丕明-.基于机器学习的人体姿态估计模型研究)[J].自动化与仪器仪表,2022(06):80-85
A类：
姿态残差网络,Newel,多任务姿态估计
B类：
基于机器学习,人体姿态估计,姿态估计算法,主网,子网络,两大部,Darknet53,关键点检测,行人检测,特征金字塔,YOLOv3,网络融合,姿态识别,识别精度,先前,姿态信息,遮挡,CMU,Pose,COCO,FPS,处理效果,目标检测算法
AB值：
0.343517
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。
