LwPosr：轻量高效的细粒度头部姿态估计
计算机视觉与模式识别
2022-02-09 v1
摘要
本文提出一种用于头部姿态估计（HPE）任务的轻量网络。先前方法依赖卷积神经网络，而所提网络 LwPosr 采用深度可分离卷积（DSC）与 Transformer 编码器层的混合，以双流三阶段结构组织，为头部姿态预测提供细粒度回归。我们给出定量与定性展示，表明所提网络能够在使用更少参数空间的同时高效学习头部姿态。使用 300W-LP、AFLW2000 与 BIWI 三个开源数据集进行了充分消融实验。据我们所知：（1）相较于基于关键点与无关键点方法，LwPosr 是为估计头部姿态所提出的最轻量网络；（2）它在平均绝对误差上超越先前轻量网络并减少参数量，从而树立基准；（3）它是首个将 DSC 与 Transformer 编码器混合用于 HPE 的网络。该方法适用于需要轻量网络的移动设备。
引用
@article{arxiv.2202.03544,
title = {LwPosr: Lightweight Efficient Fine-Grained Head Pose Estimation},
author = {Naina Dhingra},
journal= {arXiv preprint arXiv:2202.03544},
year = {2022}
}
备注
11 pages, 3 figures