基于轻量级网络的实时人体姿态估计方法

作者：胡江颢; 王红雨; 乔文超; 马靖煊

来源：计算机工程, 2020, 1-11.

DOI：10.19678/j.issn.1000-3428.0057041

• 深度可分离卷积
• 多尺度预测
• 人体姿态检测
• 轻量级主干网络
• 融合网络 Depthwise separable convolutions
• feature pyramid network
• human pose estimation
• light-weight backbone
• fusion network

在移动设备上进行实时人体姿态估计对算法模型大小和运行速度的要求较为严苛。针对这一问题，提出了一种轻量级人体姿态估计算法。首先采用轻量级主干网络和深度可分卷积来减少模型参数量并达到快速检测的目的；然后使用精炼网络在多尺度上进行关键点预测，对网络进行中间监测，并不断对结果进行优化；最后使用融合网络，将多尺度预测结果进行融合进一步提高检测精度。在单人人体关键点数据集上的实验结果表明，所提算法的参数量为3.6M，浮点运算量为0.3G。与使用相同主干网络的CPM相比，参数量仅为其37.1%，浮点运算量仅为其15.0%，且PCKh@0.5只降低了0.1。

• 单位
  上海交通大学