典型文献
融入密集连接的多尺度轻量级人体姿态估计
文献摘要：
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.
文献关键词：
人体姿态估计;密集连接网络;多尺度特征提取;轻量级网络
中图分类号：
作者姓名：
高坤;李汪根;束阳;王志格;葛英奎
作者机构：
安徽师范大学 计算机与信息学院,安徽 芜湖 241002
文献出处：
引用格式：
[1]高坤;李汪根;束阳;王志格;葛英奎-.融入密集连接的多尺度轻量级人体姿态估计)[J].计算机工程与应用,2022(24):196-204
A类：
LDMNet,LiteHRNet
B类：
人体姿态估计,单基,LPN,重新设计,下采样,瓶颈结构,深度可分离卷积,多尺度特征提取,空洞空间卷积池化金字塔,多特征,MPII,COCO,参数量,计算量,验证集,平均准确率,准确率提升,百分点,轻量级网络,识别精度,密集连接网络
AB值：
0.218009
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。
