预加权调制密集图卷积网络三维人体姿态估计

TP391; 图卷积网络(GCN)日益成为三维人体姿态估计(3D HPE)的主要研究热点之一,使用GCN对人体关节点之间的关系建模的方法使三维人体姿态估计获得了良好的性能.然而,基于GCN的三维人体姿态估计方法存在过平滑和未区分关节点与相邻关节点重要性的问题.为解决这些问题,设计了调制密集连接模块(MDC)和预加权图卷积模块,并基于这两个模块提出了预加权调制密集图卷积网络的三维人体姿态估计方法(WMDGCN).针对过平滑问题,调制密集连接通过超参数α和 β更好地实现特征重用(超参数α表示第l层和之前各层总特征的权重比例,超参数 β表示之前各层特征到第l层的传播策略),从而有效地提高特征的表达能...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 4; pp. 963 - 977
Main Authors 马金林, 崔琦磊, 马自萍, 闫琦, 曹浩杰, 武江涛
Format Journal Article
LanguageChinese
Published 北方民族大学 计算机科学与工程学院,银川 750021 01.04.2024
图像图形智能信息处理国家民委重点实验室,银川 750021%北方民族大学 计算机科学与工程学院,银川 750021%北方民族大学 数学与信息科学学院,银川 750021
Subjects
预加权
图卷积网络
pre-weighted
三维人体姿态估计
3D human pose estimation
graph convolution network
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2302065

Cover

More Information
Summary:TP391; 图卷积网络(GCN)日益成为三维人体姿态估计(3D HPE)的主要研究热点之一,使用GCN对人体关节点之间的关系建模的方法使三维人体姿态估计获得了良好的性能.然而,基于GCN的三维人体姿态估计方法存在过平滑和未区分关节点与相邻关节点重要性的问题.为解决这些问题,设计了调制密集连接模块(MDC)和预加权图卷积模块,并基于这两个模块提出了预加权调制密集图卷积网络的三维人体姿态估计方法(WMDGCN).针对过平滑问题,调制密集连接通过超参数α和 β更好地实现特征重用(超参数α表示第l层和之前各层总特征的权重比例,超参数 β表示之前各层特征到第l层的传播策略),从而有效地提高特征的表达能力.针对未区分关节点与相邻关节点重要性的问题,使用预加权图卷积为当前关节点赋予更高的权重,并对当前关节点及其相邻关节点使用不同的权重矩阵,更有效地捕获人体关节点特征.Human3.6M数据集上的对比实验结果表明,该方法在参数量和性能上均取得了最佳性能,WMDGCN的参数量、MPJPE和P-MPJPE值分别为0.27 MB、37.46 mm和28.85 mm.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2302065