本发明公开了一种基于掩码感知深度强化学习的多人物姿态估计方法,该方法首先构建多人物姿态估计模型,所述多人物姿态估计模型由获取检测框和掩码的检测网络、提高定位准确性的深度强化学习网络和单人姿态估计网络三个子网络组成;然后利用训练样本对多人物姿态估计模型进行训练;测试时将待检测图像输入训练好的多人物姿态估计模型中,得到待检测图像所有检测框中的人物姿态。本发明方法将掩码信息引入深度强化学习网络与单人姿态估计网络,改善了这两个阶段的效果,并引用残差结构解决了梯度消失和梯度爆炸问题。本发明方法与其他先进的多人物姿态估计方法相比更具有竞争力。
声明:
“基于掩码感知深度强化学习的多人物姿态估计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)