一種基于深度學(xué)習(xí)的輕量級(jí)人體姿態(tài)估計(jì)方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202210220002.6 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN114694176A | 公開(kāi)（公告）日 | 2022-07-01 |
| 申請(qǐng)公布號(hào) | CN114694176A | 申請(qǐng)公布日 | 2022-07-01 |
| 分類號(hào) | G06V40/10（2022.01）I;G06V10/46（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 陸大鵬;閆勝業(yè) | 申請(qǐng)（專利權(quán)）人 | 南京信息工程大學(xué) |
| 代理機(jī)構(gòu) | 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 | 代理人 | - |
| 地址 | 210000江蘇省南京市寧六路219號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的輕量化人體姿態(tài)估計(jì)方法，包括以下步驟，步驟1：對(duì)指定圖片進(jìn)行數(shù)據(jù)集中；步驟2：對(duì)進(jìn)行了數(shù)據(jù)集中的圖片進(jìn)行預(yù)處理；步驟3：采用改進(jìn)后的高分辨率網(wǎng)絡(luò)HRNet作為主干網(wǎng)絡(luò)，通過(guò)殘差結(jié)構(gòu)解決深層神經(jīng)網(wǎng)絡(luò)出現(xiàn)的網(wǎng)絡(luò)退化問(wèn)題,從而降低模型整體的參數(shù)量和計(jì)算量；步驟4：對(duì)四個(gè)不同尺度并行子網(wǎng)進(jìn)行尺度融合，低分辨率的特征圖經(jīng)過(guò)上采樣后與高分辨率子網(wǎng)的特征圖進(jìn)行融合，生成不同類型關(guān)鍵點(diǎn)的高斯熱圖，通過(guò)在原始的人體姿態(tài)估計(jì)模型的基礎(chǔ)上進(jìn)行改進(jìn)，在不降低太多的精度的前提下，減少模型的參數(shù)量和計(jì)算量，讓模型可以運(yùn)行在低算力平臺(tái)上，驗(yàn)證基于增強(qiáng)高分辨網(wǎng)絡(luò)人體姿態(tài)估計(jì)模型的效果。 |
