基于空间变换卷积神经网络的姿态估计
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 人体姿态估计的研究现状 | 第12-18页 |
| 1.2.1 基于模型的人体姿态估计 | 第13-14页 |
| 1.2.2 无模型的姿态估计方法 | 第14-18页 |
| 1.3 人体姿态估计研究的难点 | 第18页 |
| 1.4 本文研究的主要内容 | 第18-20页 |
| 第2章 数据预处理 | 第20-28页 |
| 2.1 数据集选择 | 第20-22页 |
| 2.2 扩展数据集和关节点分割 | 第22-23页 |
| 2.3 聚类算法 | 第23-26页 |
| 2.3.1 聚类算法分类 | 第24-25页 |
| 2.3.2 K-means算法 | 第25-26页 |
| 2.3.3 基于K均值的图像块聚类 | 第26页 |
| 2.4 聚类结果分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 深度空间变换卷积神经网络的设计 | 第28-42页 |
| 3.1 卷积神经网络的提出 | 第28-29页 |
| 3.2 卷积神经网络的特点 | 第29-31页 |
| 3.3 网络模型的优化 | 第31-39页 |
| 3.3.1 提高模型泛化能力的方法 | 第31-33页 |
| 3.3.2 空间变换卷积神经网络 | 第33-35页 |
| 3.3.3 本文的网络模型设计 | 第35-39页 |
| 3.4 实验仿真及结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 关节分类算法实现 | 第42-51页 |
| 4.1 支持向量机 | 第42-44页 |
| 4.2 构建SVM的得分函数 | 第44-46页 |
| 4.3 参数学习 | 第46-47页 |
| 4.4 实验仿真与分析 | 第47-50页 |
| 4.4.1 实验结果评价标准 | 第47页 |
| 4.4.2 实验结果 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
