다중 채널 공간 정보 기반 인간 자세 추정 알고리즘

초록 인간 자세 추정은 컴퓨터 비전에서 중요한 작업으로, 인체의 주요 지점 탐지와 뼈 정보를 제공할 수 있다. 현재 인간 자세 추정은 주로 대규모 대상 탐지에 활용되고 있으며, 소규모 대상 탐지에 대한 솔루션은 없다. 이 논문은 가림 및 여러 자세가 포함된 시나리오에서 인간 주요 지점의 정확하지 않은 탐지 문제를 해결하기 위해 다중 채널 공간 정보 특징 기반 인간 자세(MCSF-Pose) 추정 알고리즘을 제안한다. MCSF-Pose 네트워크는 바닥에서 위로 올라가는 회귀 네트워크이다. 우선 UP-Focus 모듈을 설계하여 업샘플링 프로세스 동안 파라미터 계산을 줄이면서 특징 정보를 확장한다. 그 다음, 채널 분할 전략을 채택하여 특징을 잘라내고, 다양한 합성곱 그룹을 통해 다차원 특징 정보를 유지함으로써 파라미터 가벼운 네트워크 모델을 줄이고 네트워크의 깊이와 관련된 특징 정보 손실을 보완한다. 마지막으로, 모델의 복잡성을 줄이기 위해 3층 PANet 구조를 설계한다. 이 구조의 도움으로 인간 주요 지점의 탐지 정확도와 방해 저항 능력을 향상시킨다. 실험 결과 제안된 알고리즘이 COCO2017 및 MPII 인간 자세 데이터셋에서 YOLO-Pose 및 기타 인간 자세 추정 알고리즘을 능가함을 나타낸다.