轻量级高分辨率人体姿态估计研究
人体姿态估计通常使用高分辨率表示的方法来实现关键点的检测，但网络参数量较大，运算较为复杂。基于此，提出了一种轻量级高分辨率人体姿态估计算法。首先，使用稠密连接网络（DenseNet）并进行轻量化改进，提出密集连接层，使得各层之间连接更加紧密，从而降低网络的运算参数，优化网络的运算速度；其次，在降低参数且精度保持不变的情况下，在多尺度融合阶段使用上采样和反卷积模块结合的融合方式，使得输出的特征信息更加丰富，检测结果更加准确；最后，利用COCO 2017验证数据集及MPII数据集进行验证。实验结果表明，在保证准确率的情况下与其他人体姿态估计算法相比，所提算法的平均精度为74.8%，运算参数减少了63.8%，网络运算复杂度缩小了8.5%，同时也到达了实时性的效果。
图像处理、人体姿态估计、高分辨率表示、多尺度融合、轻量化、改进稠密连接网络
59
TP391.4;TN911.73-34;TP753
2022-10-17（万方平台首次上网日期，不代表论文的发表时间）
共1页
1810012
