基于动态幻影的轻量级人体姿态估计，首发论文 -凯发网

0
0
浏览
下载

基于动态幻影的轻量级人体姿态估计

首发时间：2024-07-18

^{1
2}
张思源（1999—），男，硕士研究生，主要研究方向为图像处理
^{1
2} ^{1
2}
张帆，副教授，主要研究方向为计算机视觉、人工智能，zhangfan2015@bupt.cn
^{1
2} ^{1
2}

1、北京信息科技大学信息与通信工程学院，北京 100101
2、光电测试技术及仪器教育部重点实验室（北京信息科技大学），北京 100101

摘要：针对当前轻量级人体姿态估计网络在减少参数量和计算复杂度时，未能有效提高检测精度的问题，提出了基于动态幻影的轻量级人体姿态估计网络（dynamic ghost network, dgnet）。dgnet采用一种创新的方法，能够简洁有效地提取上下文信息，实现在不增加参数量和计算复杂度的情况下，提高模型的表征能力进而提升性能。具体而言，模型使用动态混洗和幻影操作构建2个全新的轻量级模块：动态幻影瓶颈模块（dynamic ghost neck module, dgneck）和动态幻影基础模块（dynamic ghost basicblock module, dgblock）。dgneck将卷积运算替换为代价较小的线性运算进而降低网络参数和计算复杂度，同时dgblock动态聚合多个通道并混洗，获取特征图精确位置信息以提高检测精度。同等条件下的实验结果表明，与现有的lite-hrnet模型相比，dgnet模型在coco校验集上计算复杂度下降了4.8%，准确率提高了2.3%，而在mpii校验集上计算复杂度降低了3.7%，准确率提高了0.7%。

关键词：人体姿态估计深度神经网络高分辨率网络轻量级

for information in english, please click here

lightweight human pose estimation based on dynamic ghost

1、school of information and communication engineering, beijing information science & technology university, beijing 100101, china
2、 key laboratory of the ministry of education for optoelectronic measurement technology and instrument, beijing information science & technology university, beijing 100101, china

abstract：to address the issue of the inadequate accuracy of current lightweight human pose estimation network when detecting under reduced parameter count and computational complexity, a lightweight human pose estimation network based on dynamic ghost (dynamic ghost network, dgnet) was proposed. dgnet employs an innovative approach to succinctly and effectively extract contextual information, enhancing the model\'s representation capability and consequently improving performance without increasing parameter count and computational complexity. specifically, the model utilizes dynamic shuffling and ghost operations to construct two novel lightweight modules: the dynamic ghost neck module (dgneck) and the dynamic ghost basicblock module (dgblock). dgneck replaces convolution operations with less costly linear operations to reduce network parameters and computational complexity. simultaneously, dgblock dynamically aggregates multiple channels and shuffles them to obtain accurate positional information in the feature map, thus improving detection accuracy. experimental results under comparable conditions show that, compared to existing lite-hrnet models, dgnet model achieves a 4.8% reduction in computational complexity and a 2.3% elevation in accuracy on the coco validation set, while on the mpii validation set, it achieves a 3.7% reduction in computational complexity and a 0.7% increase in accuracy.

keywords： human pose estimation deep neural network high-resolution network lightweight

基金：

1. 国家自然科学基金资助项目（62201066，u20a20163）

论文图表：

引用

导出参考文献

张思源，罗倩，张帆，等. 基于动态幻影的轻量级人体姿态估计[eb/ol]. 北京：中国科技论文在线 [2024-07-18]. https://www.paper.edu.cn/releasepaper/content/202407-34.

no.****

同行评议

未申请同行评议

全部评论

0/1000

勘误表

基于动态幻影的轻量级人体姿态估计

论文编号	202407-34
论文题目	基于动态幻影的轻量级人体姿态估计
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：albert einstein,编入参考文献时写法：einstein a. 示例2：原姓名写法：李时珍；编入参考文献时写法：li s z. 示例3：yelland r l,jones s c,easton k s,et al.