公开(公告)号：CN119919964A

公开(公告)日：2025-05-02

申请号：CN202411936623.X

申请日：2024-12-26

Applicant: 东南大学

Inventor： 杨万扣 ,  张浩然

IPC: G06V40/10 ,  G06V20/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/09 ,  G06N3/084

Abstract: 本发明公开了一种在少样本情形下利用深度学习进行二维人体姿态估计的有效方法，该方法包含如下步骤：(1)对于有标注样本，采用通用的监督学习方式训练姿态估计模型；(2)对于无标注样本，采用“一致性训练”或“多教师”方法得到其伪标签，并利用额外的不确定度分支分别估计伪标签的先验和后验不确定度信息；(3)在无标注样本的训练损失项中引入不确定度估计结果：将先验不确定度作为损失项整体权重引入，将后验不确定度作为损失平衡因子引，完成无标注样本部分的训练；(4)对于采用“多教师”方法训练的模型，将伪标签的不确定度估计结果引入融合过程，实现更高质量的伪标签融合。本发明提出的方法能够在引入尽可能少的模型参数量的情况下，有效提取无标签样本中的不确定度信息，引导模型更好地进行从无标签样本的伪标签中进行学习，在少量标注样本的情形下实现高质量的二维人体姿态估计性能。