Resumen

Los métodos existentes para la estimación de la postura humana generalmente utilizan un gran tensor intermedio, lo que conlleva una alta carga computacional, lo cual es perjudicial para dispositivos con recursos limitados. Para resolver este problema, proponemos una red de estimación de postura de bajo costo computacional, MobilePoseNet, que incluye un codificador, decodificador y una operación de supresión no máxima paralela. Específicamente, diseñamos un bloque de aumento de peso ligero en lugar de transponer la convolución como el decodificador y utilizamos la red ligera como nuestra parte de muestreo. Luego, elegimos las características de alta resolución como la entrada para el aumento de peso para reducir el número de parámetros del modelo. Finalmente, proponemos un OKS-NMS paralelo, que supera significativamente al NMS convencional en términos de precisión y velocidad. Los resultados experimentales en los conjuntos de datos de referencia muestran que MobilePoseNet obtiene resultados casi comparables a los métodos de vanguardia con una baja carga de compilación.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Métodos; Estimación de la pose humana; Carga computacional; MobilePoseNet; Codificador; Decodificador; Supresión de no máximo; Ligero; Aumento de tamaño; Convolución; Reducción de tamaño; Características de alta resolución; Parámetros del modelo; OKS-NMS; Precisión; Velocidad; Conjuntos de datos de referencia; Estado del arte; SimpleBaseline; Parámetro; Precisión de la estimación
• Keywords:Methods; Human pose estimation; Computational load; MobilePoseNet; Encoder; Decoder; Nonmaximum suppression; Lightweight; Upsampling; Convolution; Downsampling; High-resolution features; Model parameters; OKS-NMS; Accuracy; Speed; Benchmark datasets; State-of-the-art; SimpleBaseline; Parameter; Estimation accuracy