基于高分辨率网络的轻量型人体姿态估计方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：在高分辨率网络(HRNet)的基础上,提出一种融合Ghost卷积的轻量型高分辨率网络(GLHRNet).首先使用Ghost卷积模块和极化自注意力(PSA)模块在HRNet中构建新的残差块结构,新的残差块结构可以在减少网络模型参数量和计算量的同时,建模高分辨率图像的长距离依赖关系.接着在新网络模型中引入IBN-Net的设计思想,在新网络模型的浅层同时使用批量归一化和实例归一化,为网络模型引入外观不变性,减小光照变化问题对模型的影响.算法在COCO人体姿态估计数据集上的实验结果表明,与HRNet相比新网络模型的参数量降低了36.1％,计算量降低了35.2％,人体姿态估计的平均准确率提高了1.4个百分点.

外文标题：Lightweight human pose estimation method based on high-resolution network

作者：

朱宽堂、吕晔

展开 >

作者单位：

联想(上海)信息技术有限公司,上海 201203

关键词：

人体姿态估计高分辨率网络 Ghost卷积极化自注意力批量归一化实例归一化

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.06.015