计算机应用研究

作者：李丽,张荣芬,刘宇红,陈娜,张雯雯,

单位：贵州大学大数据与信息工程学院,贵阳550025；

关键词：人体姿态估计,高分辨率网络,多尺度,注意力特征融合,自适应空间特征融合,

基金：贵州省科学技术基金资助项目(黔科合基础-ZK［2021］重点001)；；

针对人体姿态估计中面对特征图尺度变化的挑战时难以预测人体的正确姿势，提出了一种基于多尺度注意力机制的高分辨率网络MSANet（multiscale-attention net）以提高人体姿态估计的检测精度。引入轻量级的金字塔卷积和注意力特征融合以更高效地完成多尺度信息的提取；在并行子网的融合中引用自转换器模块进行特征增强，获取全局特征；在输出阶段中将各层的特征使用自适应空间特征融合策略进行融合后作为最后的输出，更充分地获取高层特征的语义信息和底层特征的细粒度特征，以推断不可见点和被遮挡的关键点。在公开数据集 COCO2017上进行测试，实验结果表明，该方法比基础网络HRNet的估计精度提升了4.2%。

来源：2022年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第11期