基于LPN改进的轻量化姿态估计方法ULPN

作     者：高彦彦 任好盼 危德健 GAO Yanyan;REN Haopan;WEI Dejian

作者机构：32738部队郑州450053 北京理工大学计算机学院北京100081 字节跳动有限公司北京100080 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2024年第52卷第2期

页      面：502-506,604页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：深度学习 姿态估计 模型轻量化 推理速度 预测精度 

摘      要：在人体姿态估计过程中,往往采用复杂的网络结构实现较好的预测性能,但是模型实际推理速度较慢。针对该问题,论文提出了新的轻量化姿态估计网络ULPN,采用轻量化姿态估计网络LPN作为基础,利用改进的轻量化网络和新型的轻量化瓶颈模块提升模型推理效率。论文提出了基于Ghost卷积模块和注意力机制模块GCB的新型轻量化瓶颈模块,减少冗余的特征图同时对全局建模。利用连续卷积层代替池化层能够保存更多有效信息,采用分组卷积降低模型的计算负载,同时基于轻量化瓶颈模块提出了轻量化姿态估计网络ULPN。该算法在相似的预测精度下,能够有效降低模型的计算负载,较好地进行实时人体姿态估计。