计算机工程与应用

2021, v.57;No.968(01) 150-160

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

人体关键点检测的Mask R-CNN网络模型改进研究
Research on Improved Mask R-CNN Network Model for Human Keypoint Detection

宋玲;夏智敏;

摘要(Abstract):

由于在现有的人体关键点检测问题中,深度学习解决方案采用的掩膜区域卷积神经网络Mask R-CNN存在参数量大导致计算成本过高、迭代次数多导致训练时间过长等问题,提出了一种基于重组通道网络ShuffleNet改进Mask R-CNN网络模型。通过引入ShuffleNet的网络结构,使用分组逐点卷积与通道重排的操作与联合边框回归和掩膜分割的计算结果对Mask R-CNN进行轻量化改进。使用该方法改进网络模型在进行单人或多人情况下的人体关键点检测中,在保留精度的前提下,可以加快运行速度,减少检测时间。

关键词(KeyWords): 深度学习;卷积神经网络(CNN);掩膜区域卷积神经网络(Mask R-CNN);重组通道网络;人体关键点检测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61762030);; 广西创新驱动重大专项项目(桂科AA17204017);; 广西重点研发计划项目(桂科AB19110050,桂科AB16380237)

作者(Author): 宋玲;夏智敏;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享