[发明专利]基于深度学习的手部关键点检测方法在审
| 申请号： | 201910325729.9 | 申请日： | 2019-04-22 |
| 公开（公告）号： | CN110222558A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 强保华;张世豪;赵天;陶林;谢武 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06N3/04 |
| 代理公司： | 广州市一新专利商标事务所有限公司 44220 | 代理人： | 侯腾腾 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的手部关键点检测方法，所述方法包括了CPMs卷积神经网络和GoogLeNet神经网络模型。所述CPMs卷积神经网络中，保留stage1中的数据层和最后七个卷积层，将stage1中的其他层剔除掉。所述GoogLeNet神经网络模型中，选用其前13网络层，并删除其中的数据层和inception(3b)后面的max pool层。将所述CPMs卷积神经网络和所述GoogLeNet神经网络模型结合起来，修改每一层的bottom属性、top属性的名称，使得层与层之间能够链接起来。本发明改进了网络模型结构，提高了关键点检测的准确度和减小了模型训练的代价（训练时间等），减少了模型参数得以加快检测速度。 | ||
| 搜索关键词： | 卷积神经网络 神经网络模型 关键点检测 数据层 手部 准确度 模型参数 模型训练 网络模型 网络层 减小 卷积 链接 剔除 删除 学习 检测 保留 改进 | ||
【主权项】：
1.一种基于深度学习的手部关键点检测方法，包括CPMs卷积神经网络和GoogLeNet神经网络模型，其特征在于：所述CPMs卷积神经网络中，保留stage1中的数据层和最后七个卷积层，将stage1中的其他层剔除掉；所述GoogLeNet神经网络模型中，选用其前13网络层，并删除其中的数据层和inception(3b)后面的max pool层；将所述CPMs卷积神经网络和所述GoogLeNet神经网络模型结合起来，修改每一层的bottom属性、top属性的名称，使得层与层之间能够链接起来。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910325729.9/，转载请声明来源钻瓜专利网。
