【免费送书活动】全新轻量化模型 | 轻量化沙漏网络助力视觉感知涨点

标签：涨点沙漏卷积模型残差轻量化视觉 CV

前言人体姿态估计（HPE）是计算机视觉中的一项经典任务，它主要通过识别人的关节的位置来表示人的方向。HPE可以用来理解和分析人类的几何和运动相关信息。Newell等人在Mask3D中提出的堆叠沙漏架构是第一个基于深度学习的HPE方法之一。
本文利用重复的自下而上和自上而下的处理，从不同的尺度上捕获信息，并引入中间监督，在每个阶段迭代细化预测。与当时最先进的方法相比，这导致了准确性的显著提高。

本文转载自集智书童

作者 | 小书童

欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

计算机视觉入门1v3辅导班

本次联合中国水利水电出版社给公众号读者免费送书！参与方式见文末。

1、简介

HPE应该是一个实时的应用程序，因为它经常被用作另一个模块的前身。因此，在这种情况下，关注计算效率是至关重要的。在本研究中对堆叠的沙漏网络进行了架构和非架构修改，以获得一个既准确且计算效率高的模型。

在下文中对基线模型进行了简要描述。原始架构由多个堆叠的沙漏单元组成，每个沙漏单元由4个下采样和上采样级别组成。在每一级，通过残差块和最大池化操作实现下采样，而通过残差块以及朴素最近邻插值实现上采样。该过程确保模型捕获局部和全局信息，这对于连贯地了解全身以获得准确的最终姿态估计非常重要。在每个最大池化操作之后，网络分支以预池化分辨率通过另一个残差块应用更多卷积，其结果作为跳过连接添加到沙漏后半部分的相应上采样特征图。模型的输出是每个关节的热图，该热图对每个像素处关节存在的概率进行建模。预测每个沙漏后的中间热图，并对其应用损失。

此外，这些预测被投影到更多的通道，并作为后续沙漏的输入，以及当前沙漏的输入及其特征图输出。

源代码：https://github.com/jameelhassan/PoseEstimation

2、设计选择

2.1 深度可分离的卷积

深度可分离卷积取代传统卷积，减少卷积运算的参数数量。这是通过使用空间卷积单独分割卷积，然后通过点态卷积聚合通道信息来实现的，如图1所示。

2.2 空洞卷积

公式1中描述的空洞卷积是常规卷积运算的一种变体，其具有指数增加感受野而不损失分辨率或覆盖范围的能力，如池化运算的情况。

其中k是离散滤波器，是空洞因子，是空洞卷积运算。正则卷积对应于一维卷积。扩展卷积对计算复杂性几乎没有影响。

2.3 Ghost Bottleneck

Ghost 提出的Ghost Bottleneck也通过以不同的方式分割卷积，降低了卷积操作的计算复杂度。为了产生固定数量的通道，Ghost Bottleneck使用常规卷积输出一小部分通道，其余的则通过更简单的线性操作产生，如图2所示。这些通道通过连接和卷积输出所需的通道数量。

2.4 DiCE Bottleneck

Dimension-wise Convolutions for Effificient Networks（DiCE）单元是由Mehta等人在DiceNet中提出的一个卷积单元，它融合了维向卷积之后和维向融合。卷积操作应用于三个输入维度（宽度、高度和深度）。为了沿着每个维度组合编码的信息，使用了一个有效的融合单元来组合这些表示。因此，直径单元可以有效地沿着空间尺寸和通道尺寸捕获信息。