典型文献
基于非局部高分辨率网络的轻量化人体姿态估计方法
文献摘要：
人体姿态估计是计算机视觉中的基本任务之一,可应用于动作识别、游戏、动画制作等领域.当前深度网络模型的设计大多通过加深网络以获得更好的性能,结果导致计算资源的需求超出嵌入式设备和移动设备的计算能力,达不到实际应用要求.针对上述问题,提出了一种融合Ghost模块结构的轻量级网络模型,即使用Ghost模块替换原高分辨率网络中的基础模块,从而减少网络模型的参数量.此外,设计了非局部高分辨率网络,即在网络1/32分辨率阶段融合非局部网络模块,使网络具有获取全局特征的能力,从而提高人体姿态估计的准确率,并在保证模型准确率的前提下降低网络参数量.在MPII人体姿态估计数据集和COCO人体姿态估计数据集上的实验结果表明,所提网络模型与原高分辨率网络相比,在网络模型参数量降低40％的情况下,人体姿态估计准确率提升了1.8个百分点.
文献关键词：
人体姿态估计;非局部模块;轻量化;Ghost模块;高分辨率网络
中图分类号：
作者姓名：
孙琪翔;何宁;张敬尊;宏晨
作者机构：
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]孙琪翔;何宁;张敬尊;宏晨-.基于非局部高分辨率网络的轻量化人体姿态估计方法)[J].计算机应用,2022(05):1398-1406
A类：
非局部网络模块
B类：
高分辨率网络,人体姿态估计,估计方法,计算机视觉,基本任务,动作识别,动画制作,深度网络模型,多通,计算资源,嵌入式设备,移动设备,计算能力,应用要求,Ghost,块结构,轻量级网络,基础模块,全局特征,模型准确率,网络参数,MPII,估计数,COCO,模型参数量,准确率提升,百分点,非局部模块
AB值：
0.267122
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。
