声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 人类-物体交互
1.2.2 注视跟随
1.2.3 显著性分析
1.2.4 姿态估计
1.3 本文的主要工作
1.4 本论文的结构安排
第二章 理论基础以及相关技术
2.1 卷积神经网络
2.1.1 BP神经网络
2.1.2 卷积神经网络的整体结构
2.1.3 卷积层
2.1.4 激活函数
2.2 人体姿态估计
2.2.1 人体姿态估计简述
2.2.2 自下而上多人姿态估计
2.3.1 图神经网络简介
2.3.2 图卷积神经网络与人体骨架
2.4 半监督学习
2.4.1 伪标签
2.4.2 Mean-Teacher
2.5 头部姿态估计
2.5.1 HopeNet
2.6 本章小结
第三章 数据集与前期研究
3.1 路线分析
3.2 数据集概况
3.3 数据集制作
3.4 数据集类别与注意力的关系
3.5 实验
3.5.1 实验设计
3.5.2 实验结果
3.5.3 实验分析与结论
3.6 本章小结
第四章 学生注意力分析粗分类
4.1 学生注意力分析粗分类的特点
4.2.1 双分支网络
4.3 半监督学习
4.4 损失函数
4.5 实验
4.5.1 实验方法
4.5.2 评价指标
4.5.3 视觉模块
4.5.4 骨架热图图卷积模块
4.5.5 融合层
4.5.6 损失函数
4.5.7 半监督算法
4.5.8 样例展示
4.6 本章小结
第五章 位置与视角鲁棒的学生注意力细分类
5.1 学生注意力细分类的难点
5.2 算法设计和描述
5.2.1 位置修正模块
5.2.2 骨干网络
5.2.3 整体框架
5.2.4 损失函数
5.3 实验
5.3.1 实验方法与训练设置
5.3.2 模型对比
5.3.3 损失函数对比
5.3.4 样例展示
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
电子科技大学;
