作者：王静; 杨剑宇; 朱其淘; 陈强; 王克逸姿态分析关键点定位bp神经网络级联卷积神经网络深度学习平均绝对误差
摘要：在分析运动物体姿态的任务中,分析算法的精度与速度十分重要。以飞行器作为研究对象,提出一种基于深度学习的姿态分析算法,提高算法精准度并缩短训练时间。该算法首先采用改进的级联卷积网络框架,对二维图像中目标物体的关键点实现精准定位,其次选用BP神经网络对姿态角进行回归训练,将关键点坐标作为模型输入,姿态角作为模型输出标签。试验结果表明,在设计的姿态分析算法中,其预测的飞行器姿态角的平均绝对误差可控制在0.6°~1.6°,约有98.91%样本的预测姿态角与真实姿态角的绝对误差可控制在3°以内,相比于传统的姿态分析算法,具有更高的识别率及较低的训练速度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
