计算机工程

作者：罗梦诗, 徐杨, 叶星鑫

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：人体姿态估计,高分辨率网络,多分辨率融合,通道注意力,空间注意力

基金：贵州大学人才引进项目（2015-12）；贵州省科技计划项目（黔科合LH字［2016］7429号）。

在人体姿态估计任务中，针对高分辨率网络提取和融合特征图的特征信息时不能有效获取多通道信息和空间特征信息，导致人体姿态估计结果不够精确。在高分辨率网络（HRNet）的基础上，提出一种融入双注意力的高分辨率人体姿态估计网络ENNet。通过引入通道注意力，构造E-ecaneck模块和E-ecablock模块作为基础模块，最大程度地对多通道提取足够多的有用信息，在每一阶段子网的多分辨率融合阶段融入空间注意力机制，提取并融合不同分辨率特征信息，通过上采样的方式输出所有融合低分辨率的高分辨率表征。在公开数据集MS COCO2017上进行验证和测试，结果表明，相比于高分辨率网络，该方法mAP提高3.4%，有效改善网络多分辨率表征的信息融合能力，明显提升基础高分辨率网络HRNet的估计精确度。

来源：2022年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第2期