Resumen

En los métodos tradicionales de reconstrucción 3D, usar una sola vista para predecir la estructura 3D de un objeto es una tarea muy difícil. Esta investigación discute principalmente el reconocimiento y estimación de la postura humana basados en un conjunto de datos 3D multivista de baloncesto. El marco de red neuronal convolucional utilizado en esta investigación es VGG11, y se utiliza el conjunto de datos de baloncesto Image Net para el preentrenamiento. Esta investigación utiliza algunos módulos de la red VGG11. Para diferentes métodos de fusión de características, se utilizan diferentes módulos de la red VGG11 como red de extracción de características. Para ser eficiente en cálculos y procesamiento, el perceptrón multicapa en el modelo de red se implementa mediante una red convolucional unidimensional. La entrada es un conjunto de puntos muestreados aleatoriamente, y después de una capa de perceptrón, se genera un conjunto de características de 16. Luego, el conjunto de características se envía a dos ramas de la red, una continúa usando el método del perce

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Métodos de reconstrucción 3D; Reconocimiento de postura humana; Red neuronal convolucional; Métodos de fusión de características; Perceptrón multicapa; Extracción de características
• Keywords:3d reconstruction methods; Human pose recognition; Convolutional neural network; Feature fusion methods; Multilayer perceptron; Feature extraction