一种高效的人体姿态估计方法及其模型搭建方法
申请人信息
- 申请人:中国海洋大学
- 申请人地址:266100 山东省青岛市崂山区松岭路238号
- 发明人: 中国海洋大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种高效的人体姿态估计方法及其模型搭建方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410095781.0 |
| 申请日 | 2024/1/24 |
| 公告号 | CN117612267A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06V40/20 |
| 权利人 | 中国海洋大学 |
| 发明人 | 付民; 汤先瑞; 孙梦楠; 闵健; 郑冰 |
| 地址 | 山东省青岛市崂山区松岭路238号 |
摘要文本
本发明提出了一种高效的人体姿态估计方法及其模型搭建方法,属于计算机视觉技术领域,基于HRNet网络结构,搭建一种轻量化的人体姿态估计模型GSEHRNet网络模型;基于高分辨率的网络,通过并行连接的方式,不断融合不同分辨率分支的特征;在充分利用了HRNet的网络特征的同时,在提取模块中使用一种新的提取模块GSE‑Block和SE‑Neck,能够有效的降低模型的参数量,同时保持较高的识别准确率。本发明提出的GSEHRNet人体姿态估计模型,是一个模型轻量化的过程,充分发挥了Ghost Module的轻量型特征,相较于非轻量化模型,本发明在损失了少量精确度的同时,参数量大大降低。
专利主权项内容
1.一种高效的人体姿态估计模型的搭建方法,其特征在于,包括以下步骤:步骤1,获取人体姿态估计的原始数据;所述原始数据通过公用数据集网站下载或者自拍获取;步骤2,对步骤1中的原始数据进行预处理,并划分训练集和测试集;步骤3,基于HRNet网络结构,搭建一种轻量化的人体姿态估计模型GSEHRNet网络模型;基于高分辨率的网络,通过并行连接的方式,不断融合不同分辨率分支的特征;首先通过卷积层下采样,然后通过第一层Layer1模块,然后通过三个过渡层Transition结构以及三个特征提取阶段Stage,每通过一个过渡层Transition结构就会新增一个尺度分支,以此来构建多分支的网络结构;后面每个特征提取阶段Stage通过这种多分支的并行结构不断的提取特征信息,并对不同分支的不同分辨率的特征信息进行融合,以提取更多的特征信息;最后再将上述提取后的信息的最高分辨率分支的特征信息作为输出;步骤4,使用步骤2中所述的训练集对步骤3中所搭建的GSEHRNet网络模型进行训练;步骤5,使用步骤2中所述的测试集对训练后的GSEHRNet网络模型进行测试,从而获取最终模型。