[人工智能]轻量级3D姿态估计

本文分享一款可以跑在手机上的3d姿态估计网络。

效果图：

算力3.92GFLOPS，而且平均每关节位置误差（MPJPE），也只有大约5厘米。

用的TensorFlow平台开发，开源了onnx模型。

输入是目标检测后的人体图，人体检测用的yolov5。

网络结构：编码器-解码器

在编码器用于全局特征提取，而解码器进行姿态估计的基础架构，研究团队对其主干网络、激活函数，以及Skip concatenation功能都进行了修改。

他们在MobileNetV2的前四个倒置残差块（Residual Block）处修改了通道大小，获得了性能提升。

激活函数用的PReLU。

MobileNetV2在一般场景中的性能都更好，且在少数场景中取得了最佳性能：

在模型效率上，MobileNetV2的大模型效率为2.24M/3.92GFLOPS，远超同类模型的13.0M/10.7GFLOPS（Zerui Chen）。

论文：
h

了解本专栏 订阅专栏 解锁全文 学习会员免费看