《表5 不同方法在MPII数据集的PCKh》
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%。
图表编号 | XD00188337900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 张显坤、张荣芬、刘宇红 |
绘制单位 | 贵州大学大数据与信息工程学院大数据与智能技术重点实验室、贵州大学大数据与信息工程学院大数据与智能技术重点实验室、贵州大学大数据与信息工程学院大数据与智能技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |