LuanVan.vnLuận Văn
Gửi thư

3D human pose estimation with simple self-supervised learning

Đồ án tốt nghiệp · Đại học · năm 2020 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảPham Le Minh Hoang
Người hướng dẫnNguyen Quang Nhu Quynh
Cơ sở đào tạoTrường Đại học Bách khoa, Đại học Đà Nẵng
Năm2020
NguồnThư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc

Tóm tắt

Recent studies have shown remarkable advances in 3D human pose estimation from monocular images, with the help of large-scale in-door 3D datasets and ophisticated network architectures. However, the generalizability to different environments remains an elusive goal. In this work, we present a solution for single-view 3D human skeleton estimation based on deep learning method. Our network contains two separate model to fully regress and enhance the resulting poses. We utilize a newly proposed model whose name is Squeeze and Excitation Network (SE-net) as to construct our pose estimation network in order to estimate the corresponding pose from a color image; then a model consisting of several blocks of fully-connected networks and a novel semantic graph convolutional networks featuring self-supervision to reconstruct 3D human pose. We demonstrate the effectiveness of our approach on standard datasets for benchmark where we achieved comparable results to some recent state-of-the-art methods.
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.