典型文献
引入坐标注意力和自注意力的人体关键点检测研究
文献摘要：
人体关键点检测在智能视频监控、人机交互等领域具有重要应用.多数基于深度学习的人体关键点检测算法仅聚焦于增加多尺度特征或加深网络模型深度,忽略了在获取低分辨率特征图过程中因重复下采样操作而造成的信息丢失.针对该问题,提出一种高分辨率的人体关键点检测网络CASANet,以实现二维图像人体姿态估计.使用HRNet作为骨干网络,引入坐标注意力模块在1/16分辨率特征图分支上捕获位置信息和通道信息,利用自注意力模块在1/32分辨率特征图分支上捕获位置信息和通道信息的内部相关性,通过这2个模块克服网络在获取低分辨率特征图过程中的信息丢失问题.在MS COCOVAL 2017数据集上进行实验,结果表明,CASANet网络可以在参数量和计算量有少量提升的情况下获得更高的检测准确度,有效提升通道信息和位置信息的提取效果,相较基线方法,CASANet的AP值提高2.4个百分点.
文献关键词：
人体关键点检测;坐标注意力;自注意力;高分辨率网络;通道注意力
中图分类号：
作者姓名：
刘圣杰;何宁;于海港;王程;韩文静
作者机构：
北京联合大学 北京市信息服务工程重点实验室,北京 100101;北京联合大学 机器人学院,北京 100101;北京联合大学 智慧城市学院,北京 100101
文献出处：
引用格式：
[1]刘圣杰;何宁;于海港;王程;韩文静-.引入坐标注意力和自注意力的人体关键点检测研究)[J].计算机工程,2022(12):86-94
A类：
CASANet,COCOVAL
B类：
坐标注意力,人体关键点检测,智能视频监控,人机交互,重要应用,检测算法,多尺度特征,模型深度,低分辨率,特征图,下采样,信息丢失,测网,二维图像,人体姿态估计,HRNet,骨干网络,位置信息,自注意力模块,参数量,计算量,检测准确度,提取效果,AP,百分点,高分辨率网络,通道注意力
AB值：
0.223579
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
