论文部分内容阅读
在多目标人体姿态检测算法过程中,人体的定位精度依然不够精确。针对该问题,采用速度与精度兼顾的SSD算法作为目标检测器获得人体的初步包围框,定义该包围框为智能体,引入强化学习。采用马尔科夫决策过程以及Q网络组成的目标精细模型对智能体训练其九种动作,分别为左上角与右下角两个点的四方向进行迭代调整以及终止策略,使得包围框达到更贴近人体的效果。结合先进的Stacked hourglass算法作为姿态检测器,对调整后的包围框进行姿态预测。该算法的引入使得多目标人体检测算法在MPII数据集上的精度提升了1.6 mAP