基于重參數(shù)化大核卷積的高分辨率姿態(tài)估計(jì)

打開(kāi)文本圖片集

中圖分類(lèi)號(hào)：TP273文獻(xiàn)標(biāo)志碼：A

近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）的廣泛應(yīng)用，人體姿態(tài)估計(jì)（HPE）領(lǐng)域取得了顯著進(jìn)展。ResNet[1]及其變體[2-4]等深度CNN模型作為該領(lǐng)域的主流，展示了強(qiáng)大的特征提取能力。在此背景下，基于沙漏網(wǎng)絡(luò)[5-6]、級(jí)聯(lián)金字塔網(wǎng)絡(luò)（CPNs）[7-8以及高分辨率網(wǎng)絡(luò)（HRNet）[9]等新型架構(gòu)通過(guò)融合多尺度特征，顯著提升了姿態(tài)估計(jì)的準(zhǔn)確性。（剩余21907字）