一种从虚拟域到真实域的跨域目标姿态估计自适应方法

本发明属于计算机视觉技术领域，具体涉及一种从虚拟域到真实域的跨域目标姿态估计自适应方法。为了解决复杂的真实环境下的姿态估计数据采集困难，且标注成本昂贵的问题，致力于提高真实环境中的姿态估计的精度，本方法充分利用合成数据易采集和易标注的优势，可提供现实世界中任何有可能的情境、场景，在提升数据数量和质量的同时更好的提升模型的泛化性和鲁棒性，还引入了领域自适应技术，将在合成域数据中学习到的知识自适应到真实环境下，完成模型的迁移，最终完成从虚拟环境到真实环境的自适应学习。