基于深度残差网络的多损失头部姿态估计
来源：计算机工程杂志2020年第12期北京时间：
作者：齐永锋, 马中玉
单位：西北师范大学 计算机科学与工程学院, 兰州 730070
摘要：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。
关键词：深度残差网络,欧拉角,梯度优化,回归损失,姿态估计
基金资助：甘肃省科技计划（18JR3RA097）。
