第49卷第2期2023年2月ComputerEngineering计算机工程基于改进堆叠沙漏网络的动物姿态估计张雯雯1，徐杨1，2，白芮1，陈娜1（1.贵州大学大数据与信息工程学院，贵阳550025；2.贵阳铝镁设计研究院有限公司，贵阳550009）摘要：堆叠沙漏网络在动物姿态估计任务中得到成功应用，但其编码-解码过程容易丢失网络的浅层信息，影响了检测精度。针对该问题，提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块，完成多尺度信息的提取，解决池化后信息大量丢失的问题，提高网络获取全局信息的能力，同时提出多级特征融合方法，充分提取和融合特征信息。在此基础上，嵌入CBAM注意力机制，学习特征融合权重，提升网络对多通道信息的提取能力，抑制无效特征，使网络提取出更丰富、细腻的特征。在TigDog数据集和合成动物数据集上进行训练和测试，结果表明，该模型估计性能优于Syn、BDL、CyCADA和CC-SSL模型，其对于马和老虎的PCK@0.05指标较次优的CC-SSL模型分别提高4.6%和3.5%。消融实验结果也验证了整个网络体系结构的先进性和有效性。关键词：动物姿态估计；堆叠沙漏网络；多尺度信息提取；注意力机制；特征融合开放科学（资源服务）标志码（OSID）：中文引用格式：张雯雯，徐杨，白芮，等.基于改进堆叠沙漏网络的动物姿态估计［J］.计算机工程，2023，49（2）：263-270.英文引用格式：ZHANGWW，XUY，BAIR，etal.Animalposeestimationbasedonimprovedstackedhourglassnetwork［J］.ComputerEngineering，2023，49（2）：263-270.AnimalPoseEstimationBasedonImprovedStackedHourglassNetworkZHANGWenwen1，XUYang1，2，BAIRui1，CHENNa1（1.CollegeofBigDataandInformationEngineering，GuizhouUniversity，Guiyang550025，China；2.GuiyangAluminum-magnesiumDesignandResearchInstituteCo.，Ltd.，Guiyang550009，China）【Abstract】TheStackedHourglassNetwork（SHN）hasbeensuccessfullyappliedinanimalposeestimationtasks，butiteasilylosestheshallowinformationofthenetworkduringtheencode-decodeprocess，whichaffectsthedetectionaccuracy.Toaddressthisproblem，ananimalposeestimationmodelbasedonimprovedSHNisproposed.Amulti-scalemaximumpoolingmodulebasedonSqueeze-and-Excitation（SE）attentionisdesignedtocompletetheextractionofmultiscaleinformation，addressthelargelossofinformationaf...
