改进高分辨率网络的多目标动物姿态估计研究

摘要：

在动物姿态估计任务中,多目标动物姿态估计的各类遮挡情况,会导致动物关键点的检测效果不佳.针对该问题,提出基于改进高分辨网络的多目标动物姿态估计网络PAENet.使用融合了自注意力机制的混合卷积ACmix,重新设计了高分辨率网络的瓶颈模块,以增强网络对大尺度特征的提取能力;提出了串联通道注意力机制和空间注意力机制的PSAsblock基础模块,对动物姿态的多尺度特征进行高效提取;重新设计网络输出的特征融合部分,以充分利用低分辨率分支的特征信息,通过加入反卷积模块进一步提升网络的热图回归预测准确率.在最新公开的大规模哺乳动物姿态估计基准数据集AP10K上进行实验,结果表明,PAENet相比当前用于动物姿态估计的高分辨率网络,平均精度mAP提升了2.4个百分点,中型物体检测准确率APM提升了3.6个百分点,有效增强了网络在多目标动物姿态估计中遮挡关键点特征的提取能力.

关键词：多目标动物姿态估计、高分辨率网络、注意力机制、多尺度特征

所属期刊栏目：59

分类号：TP391;TP183(计算技术、计算机技术)

资助基金：贵州省科技计划项目2021

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：182-192