메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Tien-Dat Tran (University of Ulsan) Xuan-Thuy Vo (University of Ulsan) Duy-Linh Nguyen (University of Ulsan) Kang-Hyun Jo (University of Ulsan)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2022
발행연도
2022.11
수록면
174 - 178 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Deep neural networks (DNNs) have attained the maximum performance today not just for human pose estimation but also for other machine vision applications (e.g., semantic segmentation, object detection, image classification). Besides, the Transformer shows its good performance for extracting the information in temporal information for video challenges. As a result, the combination of deep learner and transformer gains a better performance than only the utility one, especially for 3D human pose estimation. At the start point, input the 2D key point into the deep learner layer and transformer and then use the additional function to combine the extracted information. Finally, the network collects more data in terms of using the fully connected layer to generate the 3D human pose which makes the result increased precision efficiency. Our research would also reveal the relationship between the use of the deep learner and transformer. When compared to the baseline-DNNs, the suggested architecture outperforms the aseline-DNNs average error under Protocol 1 and Protocol 2 in the Human3.6M dataset, which is now available as a popular dataset for 3D human pose estimation.
#Deep neural network #Transformer #3D Human pose estimation

목차

Abstract
1. INTRODUCTION
2. METHODOLOGY
3. EXPERIMENTS
4. CONCLUSION
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Reliability and Validity of Human Pose Estimation Systems for Parkinsonian Gait Analysis: A Comparative Study with Motion Capture
J. H. Yang ,  K. W. Pa ,  k 한국정밀공학회 학술발표대회 논문집 2023 .05
성별 및 성숙 단계별 운동선수의 신체조성과 운동수행력의 상관성 연구
이선아 ,  윤영구 ,  이호성 외 1명 한국발육발달학회지 2020 .05
태권도 수련자의 단기간 체중감량이 정자특성 변화에 미치는 영향
유덕수 무예연구 2009 .06
사춘기 남학생의 연간 발육량과 체력 및 비만율의 종단적 연구
송광섭 ,  권성진 ,  권선옥 한국발육발달학회지 2014 .06
사춘기의 신체질량지수에 대한 체력의 평가
藤井勝紀 ,  田中望 ,  石垣享 외 3명 한국발육발달학회지 2008 .03

최근 본 자료

전체보기

댓글(0)

0