基于高分辨率网络的轻量型人体姿态估计方法

作者：朱宽堂; 吕晔^*

来源：计算机时代, 2023, (06): 69-75.

DOI：10.16644/j.cnki.cn33-1094/tp.2023.06.015

• 人体姿态估计
• 高分辨率网络
• Ghost卷积
• 极化自注意力
• 批量归一化
• 实例归一化

在高分辨率网络（HRNet）的基础上，提出一种融合Ghost卷积的轻量型高分辨率网络（GLHRNet）。首先使用Ghost卷积模块和极化自注意力（PSA）模块在HRNet中构建新的残差块结构，新的残差块结构可以在减少网络模型参数量和计算量的同时，建模高分辨率图像的长距离依赖关系。接着在新网络模型中引入IBN-Net的设计思想，在新网络模型的浅层同时使用批量归一化和实例归一化，为网络模型引入外观不变性，减小光照变化问题对模型的影响。算法在COCO人体姿态估计数据集上的实验结果表明，与HRNet相比新网络模型的参数量降低了36.1%，计算量降低了35.2%，人体姿态估计的平均准确率提高了1.4个百分点。