Resumen

Actualmente, los métodos de estimación de postura humana (HPE) se basan principalmente en el marco de diseño de Redes Neuronales Convolucionales (CNNs). Estas CNNs típicamente consisten en subredes de alta a baja resolución (codificador) para aprender información semántica y subredes de baja a alta resolución (decodificador) para aumentar la resolución para la localización de puntos clave. Debido a que los mapas de características de baja resolución en el codificador inevitablemente perderán cierta información espacial, que no se puede recuperar en las etapas de aumento de tamaño, mantener características de alta resolución espacial es crítico para la estimación de postura humana. Por otro lado, debido a la variación de escala de las partes del cuerpo humano, las características multiescala también son muy importantes para la estimación de postura humana. En este artículo, se propone una nueva red principal específicamente para HPE, llamada Redes de Alta Resolución Espacial y Multiescala (HSR-MSNet), que mantienen características de alta resolución espacial en capas más profundas

• 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:Estimación de postura; Redes Neuronales Convolucionales; Localización de puntos clave; Información espacial; Características multinivel; HSR-MSNet
• Keywords:Pose estimation; Convolutional Neural Networks; Keypoint localization; Spatial information; Multiscale features; HSR-MSNet