基于注意力机制和级联金字塔网络的姿态估计

TP273; 人体姿态估计是计算机视觉领域的热门研究课题.随着深度学习的发展,人体姿态估计模型已经能够精准预测人体关键点.针对关键点被遮挡、关键点重合以及复杂背景等问题,提出了一种结合注意力机制的级联金字塔模型,它将注意力机制加入特征提取网络中,使模型可以获得更丰富的特征信息,并且借助GlobalNet和RefineNet达到精准定位被遮挡关键点的目的.在公开数据集MPII、MS COCO2017和 3DOH50K上的验证结果表明,相较于以往模型,该模型在标准情况和被遮挡情况下人体姿态估计的准确度有所提升,且具有鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 49; no. 5; pp. 724 - 734
Main Authors 牛悦, 王安南, 吴胜昔
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 01.10.2023
Subjects
OHKM算法
OHKM algorithm
CBAM注意力机制
pose estimation
姿态估计
CBAM attention module
级联金字塔模型
residual network
cascade pyramid model
残差网络
Online AccessGet full text
ISSN1006-3080
DOI10.14135/j.cnki.1006-3080.20220715003

Cover

More Information
Summary:TP273; 人体姿态估计是计算机视觉领域的热门研究课题.随着深度学习的发展,人体姿态估计模型已经能够精准预测人体关键点.针对关键点被遮挡、关键点重合以及复杂背景等问题,提出了一种结合注意力机制的级联金字塔模型,它将注意力机制加入特征提取网络中,使模型可以获得更丰富的特征信息,并且借助GlobalNet和RefineNet达到精准定位被遮挡关键点的目的.在公开数据集MPII、MS COCO2017和 3DOH50K上的验证结果表明,相较于以往模型,该模型在标准情况和被遮挡情况下人体姿态估计的准确度有所提升,且具有鲁棒性.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20220715003