典型文献
基于多尺度瓶颈层的人体姿态估计网络
文献摘要：
为改善现有人体姿态估计网络对尺度多样的人体关键点定位效果不佳的问题,提出用于特征融合的多尺度瓶颈层,并基于该瓶颈层进行人体姿态估计.多尺度瓶颈层舍弃了常规特征融合模块中常用的单个大卷积,采用多个小卷积并以级联分层方式进行连接,这使得其能在更细粒程度上获得多尺度信息并反复进行特征融合,从而让网络有更强的多尺度特征提取能力以自适应人体关键点尺寸的动态变化.实验结果表明,基于多尺度瓶颈层的人体姿态估计网络在COCO数据集上的mAP、APM和APL分别达76.2％、73.0％和81.2％,证明多尺度瓶颈层能提升网络尺度鲁棒性,从而有效定位尺度多样的人体关键点.
文献关键词：
深度学习;卷积神经网络;人体姿态估计;多尺度瓶颈层;级联分层结构
中图分类号：
作者姓名：
陶杭宇;姜晓燕
作者机构：
上海工程技术大学电子电气工程学院,上海 201620
文献出处：
引用格式：
[1]陶杭宇;姜晓燕-.基于多尺度瓶颈层的人体姿态估计网络)[J].软件导刊,2022(12):21-25
A类：
多尺度瓶颈层,级联分层结构
B类：
人体姿态估计,人体关键点,关键点定位,定位效果,层进,舍弃,常规特征,特征融合模块,大卷,细粒,多尺度信息,多尺度特征提取,特征提取能力,COCO,mAP,APM,APL
AB值：
0.197834
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。
