基于比例密集聚合的轻量级人体姿态估计方法

摘要

为了解决人体姿态估计网络迁移到轻量级主干网络时精度损耗大的问题,本文提出了一种轻量但高效的特征上采样方法.该方法的创新点在于使用注意力感知的方法分别增强通道与空间特征的辨识度,然后通过比例聚合的策略融合各层次特征,最后通过像素混洗进行通道间信息交换并生成更高分辨率的特征图.在COCO关键点数据集上的结果表明,在使用同一轻量级主干网络时,与几种代表性方法相比,该方法能以最少的运算量获得最高的精度(65.9％mAP),提升了人体姿态估计网络在轻量级网络上的精度,获得了较好的精度与速度之间的平衡.