ACSFNet：一种自适应通道-空间融合方法，用于高效实现2D人体姿态估计以支持运动分析

《Scientific Reports》：ACSFNet: adaptive channel–spatial fusion for efficient 2D human pose estimation toward motion analysis

　　

摘要

对于在有限计算和内存资源下运行的视觉感知系统而言，高效的二维人体姿态估计至关重要。尽管LiteHRNet提供了轻量级的高分辨率骨干网络，但其紧凑的通道操作可能会限制通道间的交互以及空间特征的选择，而传统的基于热图的预测方法则会增加额外的内存和解码开销。为了解决这些问题，本研究提出了ACSFNet，这是一种用于高效二维人体姿态估计的自适应通道-空间融合网络。首先，通过结合分组卷积、逐点卷积、条件通道加权以及基于输入的分支融合，并采用混洗式结构，设计出了自适应通道变换模块。这种设计能够在不引入复杂的自注意力架构的情况下，增强局部特征与通道间特征的交互。其次，引入了空间动态门模块，该模块能够根据标准化响应来评估特征的重要性，并进行有门控控制的跨组重建，从而减少冗余的激活信号，同时保留可能有用的信息。第三，将现有的基于SimCC的坐标分类头集成到ACSFNet中，以替代传统的二维热图预测头，进而降低预测开销。在MPII验证集和COCO 2017基准测试上的实验表明，与对应的LiteHRNet基线模型相比，ACSFNet-18和ACSFNet-30在PCKh@0.5指标上的提升分别达到了0.6个百分点和0.9个百分点。在COCO数据集上，ACSFNet-30在仅有约300万参数的情况下就能实现68.0的AP值。这些结果表明，所提出的通道-空间改进方法在定位精度与计算效率之间取得了良好的平衡。ACSFNet有望成为未来资源受限的视觉分析系统中高效的基于图像的姿态感知组件。