《表1 模型各关键点准确度分析》
本文采用PCK指标对于新算法的各关键点进行了评估,评估结果如表1所示。从表1中可知,头部的预测中,3种算法的PCK值都在95%以上。基于hourglass的算法PCK值最低为95.1%,本算法PCK值最高达到了96.2%。这说明,本方法在简单关键点的回归上也有一定地提高。在肩膀关键点中的预测也说明了算法对简单关键点的提高,本方法在肩膀关键点的PCK值相比基于hourglass的算法提高了1.4%。但是对于手腕与脚踝关键点,基于hourglass的算法的PCK值分别为79.8%与77.8%,基于FPN的算法的PCK值对于手腕略有提高,为80.2%,但对于脚踝略有下降,为77.4%。本算法加入了多特征融合模块,在加深特征提取的同时,融合了多路特征,使得提取特征语义更为丰富。本文算法对于手腕与脚踝的PCK值分别为81.6%与78.5%,相比于hourglass的方法提高了1.8%与0.7%,证明新算法有效提高了复杂关键点的预测。但另一方面,脚踝关键点只提高了0.7%,说明人体在2D图中遮挡隐藏的关键点检测难度极大。
图表编号 | XD00147495100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.20 |
作者 | 毕雪超 |
绘制单位 | 西安航空职业技术学院 |
更多格式 | 高清、无水印(增值服务) |