基于改进堆叠沙漏网络的动物姿态估计

作者：张雯雯; 徐杨^*; 白芮; 陈娜

来源：计算机工程, 2023, 49(02): 263-270.

DOI：10.19678/j.issn.1000-3428.0063699

• 动物姿态估计
• 堆叠沙漏网络
• 多尺度信息提取
• 注意力机制
• 特征融合

堆叠沙漏网络在动物姿态估计任务中得到成功应用，但其编码-解码过程容易丢失网络的浅层信息，影响了检测精度。针对该问题，提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块，完成多尺度信息的提取，解决池化后信息大量丢失的问题，提高网络获取全局信息的能力，同时提出多级特征融合方法，充分提取和融合特征信息。在此基础上，嵌入CBAM注意力机制，学习特征融合权重，提升网络对多通道信息的提取能力，抑制无效特征，使网络提取出更丰富、细腻的特征。在TigDog数据集和合成动物数据集上进行训练和测试，结果表明，该模型估计性能优于Syn、BDL、CyCADA和CC-SSL模型，其对于马和老虎的PCK@0.05指标较次优的CC-SSL模型分别提高4.6%和3.5%。消融实验结果也验证了整个网络体系结构的先进性和有效性。

• 单位
  贵州大学; 贵阳铝镁设计研究院有限公司