一种基于深度学习的头部姿态估计模型
刘亚飞
王敬东
刘法
林思玉
南京航空航天大学自动化学院 南京 211106
摘要：针对传统头部姿态估计网络存在空间结构信息易丢失问题,论文提出一种将胶囊网络与传统卷积神经网络相结合的头部姿态估计网络模型.该模型采用具有多级输出结构的传统卷积神经网络,将不同层级的空间结构信息和语义信息进行提取,同时利用胶囊网络能够充分保留特征信息的优点,将提取的特征进行编码,从而使其以胶囊的形式进行传递和输出,有效避免了空间结构信息丢失的问题.实验结果表明,论文提出的模型在AFLW2000和BIWI数据集上的平均绝对误差分别为5.68和4.33,进一步提高了对头部姿态估计的准确度,并在室内条件下对光照变化、遮挡等具有较好的鲁棒性.
关键词：头部姿态估计胶囊网络多级输出策略空间结构信息
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(U1531110)中电科技集团二十八所项目(1003-KFA14384)
论文发表日期：2022-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 305-310,338 )
英文信息