融入密集连接的多尺度轻量级人体姿态估计

来源：计算机工程与应用杂志2022年第24期北京时间：

作者：高坤, 李汪根, 束阳, 王志格, 葛英奎

单位：安徽师范大学 计算机与信息学院，安徽 芜湖 241002

摘要：针对如何在保证轻量化的同时提升网络的性能问题，以轻量级简单基线（LPN）为基础提出的融入密集连接的多尺度轻量级人体姿态估计（LDMNet），重新设计了下采样的瓶颈结构，将密集连接与深度可分离卷积以及多尺度特征提取相结合，构建了一个轻量高效的特征提取结构，同时改进了空洞空间卷积池化金字塔多特征进行再提取。在MPII数据集以及COCO数据集上的实验表明，与基线方法LPN相比，LDMNet在少量增加参数量和计算量的情况下，在MPII验证集上的平均准确率提升了1.9个百分点，在COCO验证集上的平均准确率提升了3.2个百分点，另外与最新的轻量级网络LiteHRNet相比在COCO验证集与MPII验证集上平均准确率也取得了2.9和1.5个百分点的提升，该网络在轻量化的基础上有效地提升了网络的识别精度。

关键词：人体姿态估计,密集连接网络,多尺度特征提取,轻量级网络