计算机工程

作者：赵佳圆, 张玉茹, 苏晓东, 徐红岩, 李世洲, 张玉荣

单位：1. 哈尔滨商业大学计算机与信息工程学院, 黑龙江 哈尔滨 1500282. 黑龙江省电子商务与智能信息处理重点实验室, 黑龙江 哈尔滨 150028

关键词：人体姿态估计,卷积神经网络,注意力机制,焦点损失,隐式建模

基金：黑龙江省自然科学基金(LH2022F035); 2022年哈尔滨商业大学教师“创新”项目支持计划项目(XL0068); 哈尔滨商业大学研究生创新科研项目(YJSCX2022-743HSD)

人体姿态估计任务需要利用视觉线索和关节间的解剖关系来定位关键点，但基于卷积神经网络的方法难以关注远程上下文线索和建模远距离关节之间的依赖关系。为此，提出一种基于注意力机制的隐式建模方法，通过多阶段迭代计算关节之间的特征相关性来隐式建模关键点间的约束关系，消除卷积神经网络的局部操作，扩大网络的感受野，建模远距离关节之间的依赖关系。为了解决网络在训练过程中可能弱化不可见关键点的问题，采用焦点损失函数，使网络更关注于复杂的关键点。使用目前精度最高的特征提取高分辨率网络（HRNet）和经典特征提取残差网络（ResNet）作为主干网络进行实验，结果表明，在同等实验条件下，隐式建模方法可以提高人体姿态估计网络的性能，在MPII和MSCOCO人体姿态估计基准数据集上，以HRNet网络为主干网络的算法相较于原网络，精度分别提升了1.7%和2.6%。

来源：2024年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第3期