摘要
本发明公开了一种单视图动物3D姿态估计的方法及系统,包括:骨干网络接收2D图像数据,对骨干网络进行训练,获取训练好的骨干网络;将骨干网络的输出与3D姿态估计网络连接,构建弱监督学习模块,使用3D标注数据训练弱监督学习模块,形成初始模型,使用初始模型对2D无标注数据进行预测,得到伪标注数据集,将伪标注数据集和真实的3D标注数据合并形成训练集,训练弱监督学习模块;将实时采集的单视图动物图像输入训练好的弱监督学习模块进行单视图动物3D姿态估计;本发明的优点在于:基于已有大量2D未标注数据、少量3D标注数据,在对标注数据依赖小的前提下,同时不依赖人工经验,有效提升对3D姿态估计准确性的性能上限。
技术关键词
姿态估计
弱监督学习
原型
融合特征
通道
动物
Sigmoid函数
分辨率
数据
元素
上采样
模块
多层感知机
多层卷积网络
注意力机制
分支
训练集
聚类
系统为您推荐了相关专利信息
短信发送系统
短信模板
时间序列模型
页面访问路径
时效性
切片
二维卷积神经网络
补丁
多器官分割方法
多层感知机
图像语义分割方法
图像语义分割模型
注意力
图像语义分割网络
图像编码器
电力监控系统
攻击检测方法
高级持续性威胁
网络流量数据
攻击检测模型