基于不确定性引导的人体姿态估计域自适应网络及方法

技术特征：

1.一种基于不确定性引导的人体姿态估计域自适应网络，其特征在于：

2.根据权利要求1所述的基于不确定性引导的人体姿态估计域自适应网络，其特征在于：

3.根据权利要求2所述的基于不确定性引导的人体姿态估计域自适应网络，其特征在于：

4.根据权利要求3所述的基于不确定性引导的人体姿态估计域自适应网络，其特征在于：

5.一种基于不确定性引导的人体姿态估计域自适应方法，使用权利要求1-4任一所述的基于不确定性引导的人体姿态估计域自适应网络，其特征在于，包括以下步骤：

6.根据权利要求5所述的基于不确定性引导的人体姿态估计域自适应方法，其特征在于：

7.根据权利要求5或6所述的基于不确定性引导的人体姿态估计域自适应方法，其特征在于：

8.根据权利要求7所述的基于不确定性引导的人体姿态估计域自适应方法，其特征在于：

9.根据权利要求8所述的基于不确定性引导的人体姿态估计域自适应方法，其特征在于：

10.根据权利要求9所述的基于不确定性引导的人体姿态估计域自适应方法，其特征在于：

技术总结
本发明涉及一种人体姿态估计网络及方法，具体涉及一种基于不确定性引导的人体姿态估计域自适应网络及方法。解决了现有人体姿态估计方法精度低、域自适应能力差、关键点检测不准确以及计算繁杂导致效果较差的问题。本发明自适应网络包括主框架网络和子框架网络；主框架网络包括输入层、第一卷积层、第一BatchNorm层、第一激活函数层、最大值池化层、第一瓶颈层、第二瓶颈层、第三瓶颈层、第四瓶颈层、Dropout层、反卷积层、热力图模块和不确定性学习模块；每个瓶颈层均包括子框架网络；子框架网络包括第一卷积层、第一BatchNorm层、第一激活函数层、第二卷积层、第二BatchNorm层、第二激活函数层、Droupout层、第三卷积层、第三BatchNorm层、跳跃连接相加层和第三激活函数层。

技术研发人员：董伟生,孙玉林,毋芳芳,石光明
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/1/13