科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的基于热力图的人体姿态估计网络模型复杂度高、算力需求大、不易部署至嵌入式平台和无人机移动平台等问题，提出了一种基于YOLOv5s6-Pose-ti-lite不使用热力图的轻量化人体姿态估计网络模型。通过将主干网络替换为GhostNet网络，旨在以更少的计算资源输出更有效的特征信息，提升网络检测速度，缓解网络冗余的问题；在主干网络中结合轻量化的坐标注意力CA模块，将图片的人体关键点位置信息聚集到通道上，增强特征提取能力；引入加权双向特征金字塔网络，提升模型的特征融合能力，平衡不同尺度的特征信息；最后将CIoU损失函数替换为Wise-Io U(WIo U)，进一步提升模型对人体关键点回归的性能。结果表明，在COCO2017人体关键点数据集上，优化后的网络模型参数量降低26.2%，计算量降低30.0%，平均精确度提升1.7个百分点、平均召回率提升2.7个百分点，能够满足实时性的效果，验证了所提模型的可行性和有效性。
- 单位
