《表5 不同方法在MPII数据集的PCKh》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于二次生成对抗的人体姿态估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

unit:%

表4和表5分别为在数据集LSP和MPII的测试集上，阈值r分别设置为0.2和0.5时，本方法与其他方法在7个主要关节点（头部head、肩部shoulder、肘部elbow、腕部wrist、髋部hip、膝部knee、踝部ankle）的PCK和PCKh（腕部等对称关节点取两者均值）。其中，文献[4]使用8个沙漏网络堆叠的SHN，该网络训练后的姿态估计精度较高，在LSP和MPII测试集的平均PCK和PCKh分别为93.0%和90.9%；文献[10]和文献[11]分别为本方法二次生成对抗模型中GAN1和GAN2未改进前的模型；相比其他方法，本方法将两种对抗训练模式融合并添加肢体几何约束后，使SHN的姿态估计性能得到了一定的提升，在LSP和MPII测试集的平均PCK和PCKh分别为94.8%和92.2%。