人体姿态估计与识别技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 姿态估计与识别技术国内外研究现状 | 第10-13页 |
| 1.2.1 图片与视频序列的姿态分析 | 第11-12页 |
| 1.2.2 单目标姿态估计 | 第12页 |
| 1.2.3 复杂目标在野姿态估计 | 第12-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第2章 卷积神经网络技术 | 第15-33页 |
| 2.1 深度卷积网络原理与技术 | 第15-22页 |
| 2.1.1 原理 | 第15-16页 |
| 2.1.2 优化技术 | 第16-17页 |
| 2.1.3 采样技术 | 第17页 |
| 2.1.4 激活函数 | 第17-18页 |
| 2.1.5 损失函数 | 第18-22页 |
| 2.2 传统图像处理与卷积神经网络 | 第22-25页 |
| 2.3 轻量化网络技术 | 第25-28页 |
| 2.3.1 空间可分卷积 | 第25-26页 |
| 2.3.2 深度可分离卷积 | 第26-27页 |
| 2.3.3 分组卷积 | 第27-28页 |
| 2.4 特征金字塔网络 | 第28-30页 |
| 2.5 堆叠沙漏模型 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 人体姿态编码与技术路线 | 第33-37页 |
| 3.1 编码技术 | 第33页 |
| 3.2 自顶向下识别技术 | 第33-34页 |
| 3.3 自底向上识别技术 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 卷积神经网络结构设计与算法 | 第37-47页 |
| 4.1 网络结构设计 | 第37-39页 |
| 4.2 姿态热力图生成 | 第39-42页 |
| 4.3 二分图匹配方法 | 第42-43页 |
| 4.4 关键点组合与线规划 | 第43-45页 |
| 4.5 模型训练与测试 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 实验处理 | 第47-52页 |
| 5.1 数据标签处理 | 第47页 |
| 5.2 数据增强 | 第47页 |
| 5.3 算法表现 | 第47-51页 |
| 5.3.1 COCO数据集 | 第47-48页 |
| 5.3.2 MPII数据集 | 第48-49页 |
| 5.3.3 其他性能 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 作者简介 | 第59-60页 |
| 攻读硕士学位期间研究成果 | 第60页 |
