基于动态幻影的轻量级人体姿态估计

针对当前轻量级人体姿态估计网络在减少参数量和计算复杂度时，未能有效提高检测精度的问题，提出了基于动态幻影的轻量级人体姿态估计网络（dynamic ghost network, DGNet）。DGNet采用一种创新的方法，能够简洁有效地提取上下文信息，实现在不增加参数量和计算复杂度的情况下，提高模型的表征能力进而提升性能。具体而言，模型使用动态混洗和幻影操作构建2个全新的轻量级模块：动态幻影瓶颈模块（dynamic ghost neck module, DGNeck）和动态幻影基础模块（dynamic ghost basicblock module, DGBlock）。DGNeck将卷积运算替换为代价较小的线性运算进而降低网络参数和计算复杂度，同时DGBlock动态聚合多个通道并混洗，获取特征图精确位置信息以提高检测精度。同等条件下的实验结果表明，与现有的Lite-HRNet模型相比，DGNet模型在COCO校验集上计算复杂度下降了4.8%，准确率提高了2.3%，而在MPII校验集上计算复杂度降低了3.7%，准确率提高了0.7%。