结合二阶注意力机制的多尺度人体姿态估计

摘要：

为解决人体姿态估计任务中存在的不同视角下人体实例尺度变化、遮挡问题导致的人体关键点定位不准确问题,提出融入二阶注意力机制的多尺度人体姿态估计网络模型GOS-HRNet.首先,在特征提取阶段为了获得高质量的特征图,通过在多分辨率网络结构中使用Octave卷积,保留更多的图像空间特征信息以提高关键点定位准确率;然后,为有效的利用图像上下文信息,融入二阶注意力模块使网络能更好地学习各分辨率表征的空间信息;最后,为了应对尺度变换对关键点定位的影响采用尺度增强训练方法,提高模型对尺度变化的鲁棒性.所提模型在MS COCO 2017数据集上进行实验,结果表明:所提出的GOS-HRNet模型平均检测精度比HRNet模型提升了2.2％,能够更加准确地利用上下文信息、丰富空间特征信息以提高对关键点定位的准确性.

关键词：多尺度、高质量特征图、姿态估计、注意力机制

所属期刊栏目：22

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省科技厅重点研发计划;西安工业大学校长基金面上培育项目;陕西高校青年创新团队项目

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14321-14327