论文部分内容阅读
为提高真实场景下头部姿态估计的准确性,提出一种采用深度残差网络的头部姿态估计方法。将深度残差网络RestNet101作为主干网络,引入优化器提高深层卷积网络训练时的梯度稳定性,使用RGB图像并采用分类器计算交叉熵损失,同时结合回归损失预测欧拉角表示头部姿态。实验结果表明,与FAN地标检测方法和无关键点细粒度方法相比,该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差值更小,分别达到5.396和2.922,在300W_LP数据集上测试精度超过95%,在真实场景下具有较好的鲁棒性。