• 热门行业
  • 装修建材
  • 家居生活
  • 餐饮食品
  • 母婴教育
  • 电脑办公
  • 服装首饰
  • 汽车工具
  • 家电数码
  • 机械化工
  • 休闲美容
返回上一页
专利状态
一种基于半监督学习的深度图像手势估计方法
有效
专利申请进度
申请
2020-06-05
申请公布
2020-10-20
授权
2022-05-17
预估到期
2040-06-05
专利基础信息
申请号 CN202010503293.0 申请日 2020-06-05
申请公布号 CN111797692A 申请公布日 2020-10-20
授权公布号 CN111797692B 授权公告日 2022-05-17
分类号 G06V20/64;G06V40/20;G06V10/774;G06K9/62;G06N3/04;G06T3/60;G06T7/50;G06T7/55
分类 计算;推算;计数;
申请人名称 深圳英飞拓科技股份有限公司
申请人地址 湖北省武汉市武昌区珞珈山武汉大学
专利法律状态
  • 2022-05-17
    授权
    状态信息
    授权
  • 2020-10-20
    公布
    状态信息
    公布
摘要
本发明公开了一种基于半监督学习的深度图像手势估计方法。相比于RGB图像,从深度图像中可以估计得到更高精度的手部姿态。而目前基于深度学习的手势估计方法虽然取得良好效果,但太过依赖于使用标注数据进行训练,然而对图像中的三维手势进行标注的过程十分复杂。本发明提出了一种高效的点云表达方式,有效的融合了局部特征与全局特征,实现高精度的从深度图像中估计出三维手部姿态的新方法。通过降低模型训练过程中对标注数据的依赖,从而减少了数据标注的成本。与此前的半监督学习的方法相比,本发明在保证运行效率的前提下,实现了手部姿态估计在精度上的突破。