基于特征增强的高分辨率人体姿态估计网络

来源：电子测量技术杂志2024年第2期北京时间：

作者：谢唯嘉，易见兵，曹锋，李俊

单位：江西理工大学信息工程学院 赣州 341000

摘要：在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分，针对该问题，提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征，以避免特征信息丢失且保持模型参数基本不变；接着利用池化增强模块进行卷积提取特征的选择，以保留重要特征且减轻传统池化模块对提取特征造成的破坏；最后利用加强通道信息交互的深度可分离卷积模块进行特征提取，以保持该模块的参数量较少且能够提高其特征提取能力。在COCO2017数据集进行性能测试，本文算法和DiteHRNet30算法的AR值分别为77.9%和77.2%；在MPII数据集进行性能测试，本文算法和DiteHRNet30算法的PCKh值分别为32.6%和31.7%。实验结果表明，本文算法在人体姿态估计精度和算法复杂度之间能够达到较好的平衡。

关键词：人体姿态估计;轻量级网络;高分辨率;空洞卷积;池化;深度可分离卷积

基金资助：国家自然科学基金(62066018)、江西省自然科学基金(20181BAB202004)、江西省教育厅科技项目(GJJ210828，GJJ200818，GJJ180482)、江西省赣州市科技计划项目、江西省研究生创新专项(YC2022-S640)资助