基于通道与空间特征选择融合的人体姿态检测

• 作者: 杨洪智 丁学明 姬建林
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 人体姿态检测 高分辨率网络 特征选择融合模块
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 专题设计与应用|Specialized design and application
• 页码范围: 133-137,142
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2021.12.026

摘要

针对人体姿态检测过程中多尺度特征表达不充分的问题,本文利用选择性卷积核网络(Selective Kernel Networks,SKNet)的思想,提出了一种通道与空间特征选择融合模块,并应用于高分辨率网络,从而在多尺度特征融合过程中进行关键信息选择,不仅提高了多尺度特征表达,同时保留了原有多尺度特征融合交换不同特征信息的优点.实验结果表明,在高分辨率网络中加入通道与空间特征并联模块后,进一步提高了人体姿态检测的精度.在两种不同网络深度的模型中,姿态关键点预测的平均准确率分别有0.6％和0.7％的精度提升,最后通过网络推理过程可视化,进一步分析了该模块在卷积过程中起到的作用.