融合权重自适应损失和注意力的人体姿态估计

摘要：

在自底向上人体姿态估计方法中存在前景和背景样本不平衡的问题,同时高分辨率网络在特征提取和特征融合时不能有效获得通道信息和空间位置信息.针对以上问题,提出以高分辨率网络(HigherHRNet)为基础融合权重自适应和注意力的自底向上人体姿态估计网络WA-HRNet(weight-adaptive fusing attention HRNet).提出权重自适应损失函数,自适应调整不同区域的损失权重,使得HigherHRNet训练时更加关注人体关键点中心区域;同时为了获取丰富的全局信息进一步定位关键点区域,提出高效全局注意力,加强关键点中心区域的表征;引入热力图分布调制,提高热力图解码关键点位置的准确性.在CrowdPose数据集以及COCO2017数据集上的实验表明,与基线HigherHRNet相比,WA-HRNet在CrowdPose测试集上AP值提升了5.8个百分点,在COCO2017测试集上AP值提升了1.8个百分点达到了72.3%,优于其他自底向上人体姿态估计主流算法.

关键词：人体姿态估计、自底向上、注意力、高分辨率网络

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省自然科学基金项目

在线出版日期：2023-09-28（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：145-153