| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1.绪论 | 第10-26页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-24页 |
| 1.2.1 卷积神经网络研究现状 | 第12-17页 |
| 1.2.2 人体姿态估计研究现状 | 第17-24页 |
| 1.3 研究内容和章节安排 | 第24-26页 |
| 2.改进Tompson人体姿态估计模型 | 第26-42页 |
| 2.1 卷积神经网络结构分析 | 第26-30页 |
| 2.1.1 卷积层 | 第26-28页 |
| 2.1.2 池化层 | 第28-30页 |
| 2.2 改进Tompson模型 | 第30-40页 |
| 2.2.1 3×3 卷积核Tompson模型 | 第30-36页 |
| 2.2.2 反卷积 | 第36-37页 |
| 2.2.3 全尺寸Tompson模型 | 第37-40页 |
| 2.3 本章小结 | 第40-42页 |
| 3.基于VGG19的迁移学习人体姿态估计模型 | 第42-57页 |
| 3.1 迁移学习 | 第42-44页 |
| 3.2 VGG19深度卷积神经网络模型 | 第44-47页 |
| 3.3 基于VGG19的迁移学习人体姿态估计模型 | 第47-55页 |
| 3.3.1 迁移学习VGG19-30s模型 | 第47-51页 |
| 3.3.2 迁移学习VGG19-8s模型 | 第51-55页 |
| 3.4 本章小结 | 第55-57页 |
| 4.基于小批量梯度下降法的模型训练与验证 | 第57-75页 |
| 4.1 工作平台及工具介绍 | 第57-58页 |
| 4.2 FLIC-plus数据集及预处理 | 第58-63页 |
| 4.2.1 FLIC-plus数据集及人体关节点热图创建 | 第58-61页 |
| 4.2.2 数据预处理 | 第61-63页 |
| 4.3 基于小批量梯度下降法的模型训练 | 第63-68页 |
| 4.3.1 代价函数的设计 | 第63-64页 |
| 4.3.2 模型优化算法 | 第64-66页 |
| 4.3.3 模型训练 | 第66-68页 |
| 4.4 实验结果分析 | 第68-73页 |
| 4.4.1 PCK评价指标 | 第68-69页 |
| 4.4.2 模型预测结果分析 | 第69-73页 |
| 4.5 本章小结 | 第73-75页 |
| 结论 | 第75-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84页 |