中文摘要: 针对改进轻量级OpenPose网络在预测阶段仍有较大参数量会降低模型推理速度, 不利于在边缘设备部署的问题，本文提出一种基于改进卷积方法的人体姿态估计网络，使用空间交叉卷积来代替部分标准卷积，减少网络预测阶段的参数量。网络的输入为单目摄像头捕获的RGB图像，以MobileNetV3-Large为主干网络，并在其中加入了CBAM注意力模块，提取不同重要程度的空间和通道特征。获取图像特征后，送入两个分支中分别预测关键点位置和关键点组合关系。本文以空间交叉卷积代替两个分支中的部分标准卷积核，相对标准卷积能够减少80%的参数量。实验结果表明，相较于原方法，本文方法在精度下降较小的情况下，总参数量降低了22%，部署在CPU端的测试结果显示，速度能够达到6FPS，提升了4倍。