基于轻量级注意力模块的多人姿态估计
为了提高人体姿态估计的检测精度,特别是中小尺寸人体关键点的检测精度,同时针对模块集成造成网络参数量和浮点计算量大幅度增加的问题,以HRNet(high-resolu-tionNet)为基本网络架构,提出了一种基于轻量级注意力模块的分阶段网络(Coarse-Refine Net,CRNet),采用知识蒸馏方法,利用同构的高精度网络作为教师网络,利用关键点的真值和教师网络的输出结果共同训练学生网络(CRNet).通过在2017COCO val集上进行训练和测试,CRNet获得了 78.2的得分(%),比HRNet基准模型提高了 1.5%.对于中小尺寸人体关键点的检测,CRNet获得了 74.8的得分(%),比HRNet基准模型提高了 1.6%.在相似的网络结构下,CRNet相比于HRNet,网络参数量仅增加了 0.1M(0.3%),浮点计算量仅增加了 0.1G(0.6%).与现阶段的最新方法相比,CRNet获得了更高的检测精度,同时基本没有增加网络参数量和浮点计算量.
人体姿态估计、轻量级、注意力模块、知识蒸馏
30
TP751(遥感技术)
国家自然科学基金;国家自然科学基金;重点国际地区合作研究项目;中国石油科技创新基金资助项目
2023-11-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
1743-1750