既存の多くの人体姿勢推定アルゴリズムは、高精度を得るために複雑なネットワーク構造を設計しているため、速度が遅いという問題がある。YOLO-Pose人体姿勢推定アルゴリズムは、先進的な物体検出アルゴリズムの利点を取り入れ、高精度かつ高速を実現しているが、依然として検出漏れや誤検出の問題が存在する。本稿では、YOLO-Poseアルゴリズムをさらに改良し、人体姿勢の非剛体性および人体のキーポイント分布の多様性の特性に着目した新しい軽量人体姿勢検出アルゴリズムを提案する。まず、モデルの特徴抽出能力を向上させるために軽量なチャネル・空間注意ネットワークLCSA-Netを設計した。次に、距離適応型の重み付け戦略を採用して、モデル訓練時に人体キーポイントの回帰損失を計算し、遠距離の人体キーポイントに対するモデルの回帰能力を強化した。COCO 2017人体姿勢データセットでの実験結果は、ベースラインモデルと比較して、両方の改良戦略が人体姿勢推定性能を効果的に向上させ、mAPが2%、AP50が1.5%、ARが1.7%向上したことを示している。

人体姿勢推定;YOLO-Pose;注意ネットワーク;適応重み付け;回帰損失