MPE-HRNet:一个轻量级的高分辨率网络,用于多种动物体位估计

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 动物行为分析 动物行为分析

背景情况:

• 深度学习对于健康,保护和行为研究中的动物姿势估计变得越来越重要.
• 在资源有限的边缘设备上部署姿势估计模型需要平衡模型的复杂性和准确性.

研究的目的:

• 提出MPE-HRNet.L,一个基于Lite-HRNet的改进轻量级网络模型,用于高效的动物姿势估计.
• 提高动物姿势估计模型的性能,以便部署在边缘设备上.

主要方法:

• MPE-HRNet.L模型是通过在不同分支机构中改进空间金字塔聚合速度来增强Lite-HRNet而开发的.
• 作为核心组件,设计了一种包含混合聚合和双重注意力机制的新型特征提取模块.
• 引入了额外的功能增强阶段,以改进网络中的关键功能.

主要成果:

• 在AP-10K和Animal Pose数据集上的实验验证证明了MPE-HRNet.L.L.的有效性.
• 拟议的模型在准确性和计算效率之间取得了有利的平衡.

结论:

• MPE-HRNet.L为边缘设备上的动物姿势估计提供了有效和高效的解决方案.
• 该模型的设计创新有助于推进动物行为和福利的深度学习应用.