摘要

针对人体姿态估计算法模型复杂和计算成本高的问题,提出了一种基于HigherHRNet的自底向上轻量高效的人体姿态估计网络(Lightweight and Efficient HigherHRNet,LE-HigherHRNet)。采用深度可分离卷积(Depthwise Separable Convolutions),减少特征提取网络的参数数量;引入协调注意力机制(Coordinate Attention),更好的捕获位置信息和通道特征信息,突出图像中小目标和遮挡人体关键点的特征信息;通过平行连接实现多阶段分辨率的连接,增强特征信息的提取能力;在网络中采用跳跃链接并设计轻量级CARAFE上采样,保留和重建特征信息,增强高低分辨率之间的空间位置信息。实验结果表明,相比较HigherHRNet在小幅提升精度的同时,显著减少了模型参数量,降低了运算复杂度。