首页 > 论文 > 激光与光电子学进展 > 56卷 > 13期(pp:131003)

多尺度卷积神经网络的头部姿态估计

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对头部姿态估计准确率在实际应用中易受到光照、遮挡等干扰因素的影响以及大量运算导致算法运行速度较低的问题,提出了多尺度卷积神经网络的头部姿态估计算法。通过使用不同尺度的卷积核对输入的头部姿态图片进行特征提取,丰富了图像特征的同时保留了图像信息,增强算法对干扰因素的鲁棒性。同时引入1x1卷积对网络结构参数进行降维,降低系统的运算量,提高算法的时效性。实验结果表明,本文提出的算法在Pointing ‘04和CAS-PEAL-R1数据库的识别率分别为96.5%和98.9%,对于光照、表情、遮挡等干扰表现出较好的鲁棒性,具有较好的运行速度。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.131003

作者单位:

    中国科学院上海微系统与信息技术研究所
    中科院上海微系统与信息技术研究所
    中科院上海微系统与信息技术研究所

引用该论文

梁令羽,张天天,何. 多尺度卷积神经网络的头部姿态估计[J].激光与光电子学进展,2019,56(13):131003.