轻量型多路特征融合人体姿态估计

作     者：张国有 高希 ZHANG Guo-You;GAO Xi

作者机构：太原科技大学计算机科学与技术学院太原030024 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2023年第32卷第7期

页      码：121-128页

摘      要：基于深度学习的人体姿态估计广泛应用于姿态识别、人机交互等领域.为了提升人体关键点的检测精度,很多网络采用运算量、参数量和复杂度不断增加的模型架构,导致无法直接部署到低算力设备.为了解决上述问题,本文提出了一种多路特征注意力融合的轻量型方法.模型基于HigherHRNet网络进行轻量化设计和训练,包括:采用通道拆分和通道混洗,解决分组卷积后特征层之间存在的信息隔离;采用线性运算的特征生成方法,解决不同特征层之间存在的冗余性;采用融合注意力信息的方法,缓解因轻量化导致的准确率下降.在MS COCO数据集上完成了模型的训练、测试、可视化以及消融实验.实验结果表明本文的轻量化方法在保证直观的检测精度前提下,能够显著降低人体姿态估计的计算量.

主 题 词：轻量型 特征融合 注意力特征 人体姿态估计 卷积神经网络 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.15888/j.cnki.csa.009112

馆 藏 号：203122449...