第50卷第2期2023年2月Vol.50，No.2Feb.2023湖南大学学报（自然科学版）JournalofHunanUniversity（NaturalSciences）基于HRNet的轻量化人体姿态估计网络梁桥康1†，吴樾2（1.湖南大学电气与信息工程学院，湖南长沙410082；2.航天江南集团有限公司，贵州贵阳550009）摘要：由于算力和内存的限制，目前的人体姿态估计网络难以广泛应用于移动设备、嵌入式平台.针对这个问题，本文以HRNet为基础框架，提出了一种轻量化的人体姿态估计网络X-HRNet，使用ResNeXt模块替换普通的Basic模块以减少网络的参数和计算复杂度.实验结果表明，所提出模型在COCO验证集上取得了78.2%的精度，比HRNet高1.9%，参数量下降了22.2M，计算量下降了27.3GFLOPs.与以往的轻量化人体姿态估计方法不同，所提出的X-HRNet是一种兼顾精度和轻量化的方法，在保持精度的同时有效减少了计算量和参数量，为嵌入式平台提出了一种新的轻量化人体姿态估计网络.关键词：人体姿态估计；深度学习；卷积神经网络；轻量化；深度可分离卷积中图分类号：TP183文献标志码：ALightweightHumanPoseEstimationNetworkBasedonHRNetLIANGQiaokang1†，WUYue2（1.CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，China；2.AerospaceJiangnanGroupCo.Ltd.，Guiyang550009，China）Abstract：Thecurrenthumanposeestimationnetworksaredifficulttobewidelyusedinmobiledevicesandem⁃beddedplatformsduetothearithmeticpowerandmemorylimitations.Toaddressthisproblem，thispaperproposesalightweighthumanposeestimationnetworkX-HRNetwithHRNetasthebasicframeworkandusestheResNeXtmoduletoreplacethecommonbasicmoduletoreducetheparametersandcomputationalcomplexityofthenetwork.Theproposedmodelachieves78.2%accuracyontheCOCOvalidationset，whichis1.9%higherthanthatoftheHRNet，thenumberofparametersdecreasesby22.2M，andthecomputationaleffortdecreasesby27.3GFLOPs.TheproposedX-HRNetisamethodwiththecombinationaccuracyandlightweight，whichproposesanewlight⁃weighthumanposeestimationnetworkforembeddedplatformsbyreducingthecomputationandthenumberofpa⁃rameterseffectivelywhilemaintainingaccuracy.Keywords：humanposeestimation；deeplearning；convolutionalneuralnetwork；lightweight；depthwiseseparableconvolution∗收稿日期：2...
