一种基于深度学习的轻量级人体姿态估计方法
基本信息
| 申请号 | CN202210220002.6 | 申请日 | - |
| 公开（公告）号 | CN114694176A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114694176A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V40/10（2022.01）I;G06V10/46（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陆大鹏;闫胜业 | 申请（专利权）人 | 南京信息工程大学 |
| 代理机构 | 北京众合诚成知识产权代理有限公司 | 代理人 | - |
| 地址 | 210000江苏省南京市宁六路219号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的轻量化人体姿态估计方法，包括以下步骤，步骤1：对指定图片进行数据集中；步骤2：对进行了数据集中的图片进行预处理；步骤3：采用改进后的高分辨率网络HRNet作为主干网络，通过残差结构解决深层神经网络出现的网络退化问题,从而降低模型整体的参数量和计算量；步骤4：对四个不同尺度并行子网进行尺度融合，低分辨率的特征图经过上采样后与高分辨率子网的特征图进行融合，生成不同类型关键点的高斯热图，通过在原始的人体姿态估计模型的基础上进行改进，在不降低太多的精度的前提下，减少模型的参数量和计算量，让模型可以运行在低算力平台上，验证基于增强高分辨网络人体姿态估计模型的效果。 |
