典型文献
基于注意力机制的轻量型人体姿态估计
文献摘要：
针对高分辨率人体姿态估计网络存在参数量大、运算复杂度高等问题,提出一种基于高分辨率网络(HRNet)的轻量型沙漏坐标注意力网络(SCANet)用于人体姿态估计.首先引入沙漏(Sandglass)模块和坐标注意力(CoordAttention)模块;然后在此基础上构建了沙漏坐标注意力瓶颈(SCAneck)模块和沙漏坐标注意力基础(SCAblock)模块两种轻量型模块,在降低模型参数量和运算复杂度的同时,获取特征图空间方向的长程依赖和精确位置信息.实验结果显示,在相同图像分辨率和环境配置的情况下,在COCO(Common Objects in COntext)校验集上,SCANet模型与HRNet模型相比参数量降低了52.6％,运算复杂度降低了60.6％;在MPII(Max Planck Institute for Informatics)校验集上,SCANet模型与HRNet模型相比参数量和运算复杂度分别降低了52.6％和61.1％;与常见的人体姿态估计网络如堆叠沙漏网络(Hourglass)、级联金字塔网络(CPN)和SimpleBaseline相比,SCANet模型在拥有更少的参数量与运算复杂度的情况下,仍能实现对人体关键点的高准确度预测.
文献关键词：
人体姿态估计;深度神经网络;高分辨率网络;深度可分离卷积;注意力机制
中图分类号：
作者姓名：
李坤;侯庆
作者机构：
贵州大学计算机科学与技术学院,贵阳550025;贵州省通信产业服务有限公司,贵阳550005
文献出处：
引用格式：
[1]李坤;侯庆-.基于注意力机制的轻量型人体姿态估计)[J].计算机应用,2022(08):2407-2414
A类：
SCANet,Sandglass,CoordAttention,SCAneck,SCAblock,COntext,SimpleBaseline
B类：
注意力机制,轻量型,人体姿态估计,运算复杂度,高分辨率网络,HRNet,坐标注意力,注意力网络,模型参数量,特征图,空间方向,长程,位置信息,图像分辨率,环境配置,COCO,Common,Objects,校验,MPII,Max,Planck,Institute,Informatics,堆叠沙漏网络,Hourglass,金字塔网络,CPN,人体关键点,高准确度,深度神经网络,深度可分离卷积
AB值：
0.263211
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。
