引入坐标注意力和自注意力的人体关键点检测研究

摘要：

人体关键点检测在智能视频监控、人机交互等领域具有重要应用.多数基于深度学习的人体关键点检测算法仅聚焦于增加多尺度特征或加深网络模型深度,忽略了在获取低分辨率特征图过程中因重复下采样操作而造成的信息丢失.针对该问题,提出一种高分辨率的人体关键点检测网络CASANet,以实现二维图像人体姿态估计.使用HRNet作为骨干网络,引入坐标注意力模块在1/16分辨率特征图分支上捕获位置信息和通道信息,利用自注意力模块在1/32分辨率特征图分支上捕获位置信息和通道信息的内部相关性,通过这2个模块克服网络在获取低分辨率特征图过程中的信息丢失问题.在MS COCOVAL 2017数据集上进行实验,结果表明,CASANet网络可以在参数量和计算量有少量提升的情况下获得更高的检测准确度,有效提升通道信息和位置信息的提取效果,相较基线方法,CASANet的AP值提高2.4个百分点.

关键词：人体关键点检测、坐标注意力、自注意力、高分辨率网络、通道注意力

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划;北京市教委科技计划重点项目;北京联合大学人才强校优选计划;北京联合大学人才强校优选计划;北京联合大学科研项目

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：86-94