-
题名基于重参数化大核卷积的高分辨率姿态估计
- 1
-
-
作者
陈佳艺
黄晓宇
吴胜昔
王学武
-
机构
华东理工大学能源化工过程智能制造教育部重点实验室
-
出处
《华东理工大学学报(自然科学版)》
北大核心
2025年第3期341-352,共12页
-
基金
国家自然科学基金(62076095)。
-
文摘
尽管人体姿态估计领域的研究已取得显著进展,但面对动态场景变化、目标遮挡及背景复杂等难题,实现高精度、强鲁棒性的姿态估计依然面临巨大挑战。为解决这些问题,特别是关键点遮挡、重合及复杂环境干扰问题,本文提出了一种融合大核卷积技术的高分辨率人体姿态估计模型(RepLK-HRNet)。该模型的核心在于特征提取网络的独特设计,通过引入重参数化大核卷积策略,增强了模型捕捉多尺度、多层次特征信息的能力,同时通过调整网络结构,显著降低了参数量和计算复杂度。实验结果表明,相较于传统的高分辨率网络(HRNet)模型,RepLK-HRNet模型在标准数据集MS COCO2017上的精度提高了1.83%,在遮挡数据集OCHuman上的精度提高了23.7%,计算复杂度参数Params和GFLOPs分别下降了63.84%、37.69%。RepLK-HRNet模型在常规及遮挡、关键点混淆等条件下的人体姿态估计精度均实现了显著提升,展现了出色的鲁棒性和泛化能力,同时还满足了实际应用中对计算效率和存储空间的要求。
-
关键词
姿态估计
重参数化大核卷积
HRNet
感受野
特征融合
-
Keywords
pose estimation
reparameterized large kernel convolution
HRNet
receptive field
feature fusion
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
