首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的多人姿态估计

摘要第5-7页
Abstract第7-8页
第1章 绪论第15-25页
    1.1 研究背景第15-16页
    1.2 研究方法第16-22页
    1.3 研究内容第22-23页
    1.4 论文结构第23页
    1.5 本章小结第23-25页
第2章 相关工作第25-35页
    2.1 单人姿态估计第25-27页
        2.1.1 传统方法第25页
        2.1.2 深度学习方法第25-27页
    2.2 多人姿态估计第27-31页
        2.2.1 自底向上的方法第28-30页
        2.2.2 自顶向下的方法第30-31页
    2.3 视频中的姿态估计第31-32页
    2.4 目标检测第32-33页
        2.4.1 双阶段检测器第32-33页
        2.4.2 单阶段检测器第33页
    2.5 本章小结第33-35页
第3章 自顶向下的图片中多人姿态估计第35-51页
    3.1 方法第35-41页
        3.1.1 整体架构第35-37页
        3.1.2 人体检测器第37-38页
        3.1.3 注意力网络第38-40页
        3.1.4 实例分割网络第40-41页
    3.2 实验第41-48页
        3.2.1 数据集与评价指标第41-43页
        3.2.2 实验细节第43-44页
        3.2.3 消融(Ablation)实验第44-45页
        3.2.4 对比实验第45-46页
        3.2.5 运行时间分析第46-47页
        3.2.6 可视化分析第47-48页
    3.3 本章小结第48-51页
第4章 自底向上的视频中多人姿态估计第51-65页
    4.1 方法第51-58页
        4.1.1 整体架构第51-53页
        4.1.2 时间卷积LSTM第53-55页
        4.1.3 空间卷积LSTM第55-56页
        4.1.4 特征融合第56-58页
    4.2 实验第58-62页
        4.2.1 数据集与评价指标第58-59页
        4.2.2 实现细节第59-60页
        4.2.3 消融(Ablation)实验第60-61页
        4.2.4 对比实验第61页
        4.2.5 可视化分析第61-62页
    4.3 本章小结第62-65页
第5章 总结与展望第65-67页
    5.1 总结第65-66页
    5.2 未来研究工作第66-67页
参考文献第67-81页
攻读硕士学位期间的主要研究成果第81-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:基于用户指导的机械臂强化学习任务规划与学习方法
下一篇:基于机器学习和三维重建的远程量体系统