计算机工程

作者：张雯雯, 徐杨, 白芮, 陈娜

单位：1. 贵州大学 大数据与信息工程学院, 贵阳 550025;2. 贵阳铝镁设计研究院有限公司, 贵阳 550009

关键词：动物姿态估计,堆叠沙漏网络,多尺度信息提取,注意力机制,特征融合

基金：贵州省科技计划（黔科合支撑［2021］一般176）。

堆叠沙漏网络在动物姿态估计任务中得到成功应用，但其编码-解码过程容易丢失网络的浅层信息，影响了检测精度。针对该问题，提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块，完成多尺度信息的提取，解决池化后信息大量丢失的问题，提高网络获取全局信息的能力，同时提出多级特征融合方法，充分提取和融合特征信息。在此基础上，嵌入CBAM注意力机制，学习特征融合权重，提升网络对多通道信息的提取能力，抑制无效特征，使网络提取出更丰富、细腻的特征。在TigDog数据集和合成动物数据集上进行训练和测试，结果表明，该模型估计性能优于Syn、BDL、CyCADA和CC-SSL模型，其对于马和老虎的PCK@0.05指标较次优的CC-SSL模型分别提高4.6%和3.5%。消融实验结果也验证了整个网络体系结构的先进性和有效性。

来源：2023年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第2期