YOLOv3剪枝模型的多人姿态估计

来源 :中国图象图形学报 | 被引量 : 0次 | 上传用户：huanghuang051

【摘要】

：

目的为了解决复杂环境中多人姿态估计存在的定位和识别等问题,提高多人姿态估计的准确率,减少算法存在的大量冗余参数,提高姿态估计的运行速率,提出了基于批量归一化层(batch normalization, BN)通道剪枝的多人姿态估计算法(YOLOv3 prune pose estimator, YLPPE)。方法以目标检测算法YOLOv3(you only look once v3)和堆叠沙漏网络(

【作者】

：

蔡哲栋应娜郭春生郭锐杨鹏

【机构】

：

杭州电子科技大学通信工程学院,杭州310018

【出处】

：

中国图象图形学报

【发表日期】

：

2021年04期

【关键词】

：

目标检测多人姿态估计模型剪枝 YOLOv3 堆叠沙漏网络 MPII数据集

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

复杂背景下的手势识别

目的手势识别是人机交互领域的热点问题。针对传统手势识别方法在复杂背景下识别率低,以及现有基于深度学习的手势识别方法检测时间长等问题,提出了一种基于改进TinyYOLOv3算法的手势识别方法。方法对TinyYOLOv3主干网络重新进行设计,增加网络层数,从而确保网络提取到更丰富的语义信息。使用深度可分离卷积代替传统卷积,并对不同网络层的特征进行融合,在保证识别准确率的同时,减小网络模型的大小。采用C

期刊

手势识别TinyYOLOv3深度可分离卷积CIoU损失

融合逆密度函数与关系形状卷积神经网络的点云分析

目的 3D点云与以规则的密集网格表示的图像不同,不仅不规则且无序,而且由于输入输出大小和顺序差异,具有密度不均匀以及形状和缩放比例存在差异的特性。为此,提出一种对3D点云进行卷积的方法,将关系形状卷积神经网络(relation-shape convolution neural network,RSCNN)与逆密度函数相结合,并在卷积网络中增添反卷积层,实现了点云更精确的分类分割效果。方法在关系形状

期刊

关系形状卷积神经网络(RSCNN)逆密度函数非均匀采样反卷积层点云的分类与分割

多层次感知残差卷积网络的单幅图像超分重建

目的单幅图像超分辨率重建的深度学习算法中,大多数网络都采用了单一尺度的卷积核来提取特征(如3×3的卷积核),往往忽略了不同卷积核尺寸带来的不同大小感受域的问题,而不同大小的感受域会使网络注意到不同程度的特征,因此只采用单一尺度的卷积核会使网络忽略了不同特征图之间的宏观联系。针对上述问题,本文提出了多层次感知残差卷积网络(multi-level perception residual convolu

期刊

深度学习卷积神经网络(CNN)单幅图像超分辨率(SISR)多层次感知残差网络密集连接DIV2K

以品质、创新、品牌为核心,构建摩托车轮胎企业的标准化管理模式

一、时代背景rn随着经济全球化深入发展,科技进步日新月异,知识经济方兴未艾,全球产业布局和市场需求结构变化明显,以质量为核心要素的标准、人才、技术、市场等竞争日趋激烈

期刊

YOLOv3剪枝模型的多人姿态估计

其他学术论文