基于热图加权损失的轻量级人体姿态估计
计算机视觉与模式识别
2022-05-24 v1 人工智能
机器学习
多媒体
摘要
近期关于人体姿态估计的研究利用复杂结构来提升在基准数据集上的性能,却忽视了模型实际部署时的资源开销与推理速度。在本文中,我们减轻了 SimpleBaseline 中反卷积头部网络的计算量与参数量,并引入一种利用原始、层间和层内信息的注意力机制以增强精度。此外,我们提出了一种称为热图加权损失的新损失函数,其为热图上每个像素生成权重,使模型更聚焦于关键点。实验表明,我们的方法在性能、资源量和推理速度之间取得了平衡。具体而言,我们的方法在 COCO test-dev 上可达到 65.3 AP 分数,而在移动端 GPU 和 CPU 上的推理速度分别为 55 FPS 和 18 FPS。
引用
@article{arxiv.2205.10611,
title = {Lightweight Human Pose Estimation Using Heatmap-Weighting Loss},
author = {Shiqi Li and Xiang Xiang},
journal= {arXiv preprint arXiv:2205.10611},
year = {2022}
}
备注
7 pages, 5 figures