来源：期刊VIP网 时间：
作者：黄健;胡翻;展越;
单位：西安科技大学通信与信息工程学院;
摘要：人体姿态估计在计算机视觉、人机交互与运动分析等领域广泛应用。当前人体姿态估计算法往往通过构建复杂的网络来提高精度，但这带来了模型体量和计算量增大，以及检测速度变慢等问题。因此，文中提出一种基于Yolov7＿Pose的轻量化人体姿态估计网络。首先，采用轻量化CARAFE模块替换原网络中的上采样模块，完成上采样工作；接着，在特征融合部分引入轻量化Slim-neck模块，以降低模型的计算量和复杂度；最后，提出了RFB-NAM模块，将其添加到主干网络中，用以获取多个不同尺度的特征信息，扩大感受野，提高特征提取能力。实验结果表明，改进后网络模型的GFLOPs和模型大小分别降低了约18.1%、22%，检测速度提升37.93%，并在低光环境、小目标、密集人群和俯视角度下表现出了较好的性能。
关键词：人体姿态估计;;Yolov7＿Pose;;轻量化;;上采样;;CARAFE;;Slim-neck
基金资助：陕西省重点研发计划（2023-YBGY-255）;; 陕西省科技厅工业攻关项目（2022GY-115）
