.png){kind=icon}
返回
Leveraging active perception for real-time high-resolution pose estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126550.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计算智能的演变，特别是深度学习，已经彻底改变了问题解决方法，其中人体姿态估计作为一个热门挑战应运而生，它依赖于相机捕获的RGB图像。硬件的进步使得高分辨率相机更加易于获取且价格更实惠，从而使其能够应用于各种场景。尽管理论上深度学习模型可以从这些高分辨率图像提供的更多细节中受益，但在分辨率提升与推理时间之间存在权衡。为应对这一挑战，已开发出一种用于姿态估计的高分辨率图像分析的高效方法。该方法有选择地关注图像中的关键区域，使姿态估计模型本身能够识别感兴趣区域，而无需依赖单独的人体检测模型。通过利用模型骨干网络的特征，该方法主动识别重要区域，从而提升效率与准确性。此外，一种顺序处理方法分阶段优化模型焦点，使其能够保留高分辨率细节，而传统下采样方法可能丢失这些细节。这种与模型无关的技术适用于各类姿态估计模型，提供了一种灵活且计算高效的解决方案。
Keyword:
Pose estimation
High resolution
Active perception
Deep learning
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
Efficient skeleton-based action recognition via multi-stream depthwise separable convolutional neural network基于多流深度可分离卷积神经网络的高效骨架动作识别
PREAI
分享收藏mm-Pose: Real-Time Human Skeletal Posture Estimation Using mmWave Radars and CNNs.png)
IEEE SENSORS JOURNAL
OAAI
IEEE SENSORS JOURNALIF4.5
OAAI分享收藏分享收藏 没有更多内容
没有更多内容