基于上下文注意力机制的人体姿态估计网络

摘要：

传统基于深度神经网络的人体姿态估计方法主要集中于网络模型的设计,对关节点、人体结构信息的建模关注较少.从人体结构建模的角度来看,现有的人体姿态估计方法仍然存在不足.首先,为了提升网络对人体结构信息的感知能力,提出了一种基于上下文注意力机制的人体姿态估计网络,通过注意力机制对人体关节点之间的相对位置关系进行建模.其次,为了增强训练数据集的规模和质量,提出了基于语义分割的数据增强方法.实验结果表明,对关节点相对位置的建模可以提升神经网络的感知能力.使用数据增强策略能够生成大量难样本,增强了网络的泛化能力.所提出的方法在COCO验证集上的人体姿态估计精度为79.5％,在COCO test-dev数据集上的精度为76.7％,高于其他具有相近复杂度网络的精度.

关键词：人体姿态估计、注意力机制、上下文信息、HRNet、特征融合、数据增强

所属期刊栏目：5

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;湖南省自然科学基金项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：74-85