重新思考反卷积用于二维人体姿态估计：面向实时边缘计算的轻量且精准模型
计算机视觉与模式识别
2022-09-22 v1 机器人学
摘要
在本研究中，我们提出一种实用的轻量姿态估计模型。我们的模型可利用低功耗嵌入式设备实现实时预测。该系统被证明非常准确，在 COCO 测试数据集上仅以 SOTA HRNet 256x192 计算成本的 3.8% 达到了其 94.5% 的准确率。我们的模型采用编码器-解码器架构，并经过精心缩减以提升效率。我们特别着重优化反卷积层，观察到反卷积层的通道缩减在不降低系统准确率的前提下显著减少了计算资源消耗。我们还引入了近期与模型无关的技术，如 DarkPose 和蒸馏训练，以最大化模型效率。此外，我们应用模型量化以利用多/混合精度特性。我们的 FP16 模型（COCO AP 70.0）在 NVIDIA Jetson AGX Xavier 上以约 60 fps 运行，在 NVIDIA Quadro RTX6000 上以约 200 fps 运行。
引用
@article{arxiv.2111.04226,
title = {Rethinking Deconvolution for 2D Human Pose Estimation Light yet Accurate Model for Real-time Edge Computing},
author = {Masayuki Yamazaki and Eigo Mori},
journal= {arXiv preprint arXiv:2111.04226},
year = {2022}
}
备注
IEEE International Conference on Automatic Face and Gesture Recognition 2021