摘要：針對(duì)實(shí)時(shí)人體姿態(tài)估計(jì)模型計(jì)算復(fù)雜度大、效率低的問題，文章以YOLOv8n-Pose模型為基準(zhǔn)，提出了一種結(jié)合重參數(shù)化網(wǎng)絡(luò)和共享卷積的輕量化人體姿態(tài)估計(jì)算法。首先，引入MLCA注意力機(jī)制，改進(jìn)C2f模塊中的Bottleneck結(jié)構(gòu)，提升骨干網(wǎng)絡(luò)對(duì)人體關(guān)鍵點(diǎn)的特征提取能力。其次，將原有的PANet特征融合網(wǎng)絡(luò)替換為重參數(shù)化網(wǎng)絡(luò)RepGFPN，實(shí)現(xiàn)更高效的多尺度特征融合。最后，設(shè)計(jì)了一種共享卷積的輕量化檢測(cè)頭，降低模型參數(shù)量，減少計(jì)算開銷。在COCO數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的模型計(jì)算復(fù)雜度（GFLOPS） 降低了10%，mAP@50精度提升了2.8%，模型參數(shù)量減少了20%。這些改進(jìn)為人體姿態(tài)估計(jì)任務(wù)的輕量化和高效部署提供了新思路。

關(guān)鍵詞：人體姿態(tài)估計(jì)；輕量化；YOLOv8n-Pose；重參數(shù)化網(wǎng)絡(luò)RepGFPN；共享卷積

中圖分類號(hào)：TP183 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）02-0019-04 開放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID） ：

0 引言

人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺中的重要任務(wù)，廣泛應(yīng)用于行為分析、人機(jī)交互、智能監(jiān)控和虛擬現(xiàn)實(shí)等領(lǐng)域。

近年來，基于卷積神經(jīng)網(wǎng)絡(luò)（CNN） 的姿態(tài)估計(jì)方法逐漸成為主流，主要分為基于熱圖的方法和回歸的方法。基于熱圖的方法雖然精度較高，但計(jì)算量大，難以在資源有限的設(shè)備上實(shí)現(xiàn)實(shí)時(shí)應(yīng)用?；诨貧w的方法直接從圖像中預(yù)測(cè)人體關(guān)鍵點(diǎn)的坐標(biāo)，具有速度快、計(jì)算量小的優(yōu)勢(shì)，但在復(fù)雜場(chǎng)景下（如多人或遮擋情況下） ，定位精度較低。Toshev等[1]提出了一種以AlexNet為骨干的級(jí)聯(lián)深度神經(jīng)網(wǎng)絡(luò)DeepPose，將姿態(tài)估計(jì)建模為基于深度神經(jīng)網(wǎng)絡(luò)的關(guān)鍵點(diǎn)回歸問題。Chen等[2]提出了級(jí)聯(lián)金字塔網(wǎng)絡(luò)（CPN） ，通過Global?Net和RefineNet雙階段結(jié)構(gòu)有效解決多人姿態(tài)估計(jì)中的遮擋和不可見關(guān)鍵點(diǎn)問題，并在COCO數(shù)據(jù)集上實(shí)現(xiàn)了顯著性能提升。在此基礎(chǔ)上，Li等[3]提出了多階段姿態(tài)網(wǎng)絡(luò)（MSPN） ，改進(jìn)了CPN的關(guān)鍵點(diǎn)回歸方式。MSPN采用多階段回歸策略，逐步細(xì)化關(guān)鍵點(diǎn)預(yù)測(cè)，逐漸減少誤差；通過不同大小的高斯卷積核生成標(biāo)簽，靠近輸入端的卷積核較大，確保初步定位，卷積核隨階段減小，以提升定位精度，實(shí)現(xiàn)多階段細(xì)化和模型穩(wěn)定性，適用于多種復(fù)雜場(chǎng)景的姿態(tài)估計(jì)。

利用Transformers的特征提取能力，Mao等[4]提出的Poseur預(yù)測(cè)精度較高，能夠有效捕捉全局依賴性，克服了傳統(tǒng)方法中的量化誤差問題，但學(xué)習(xí)復(fù)雜度較高，泛化能力欠佳，且在跨域數(shù)據(jù)上表現(xiàn)不足，訓(xùn)練和推理成本較高。Sun等[5]提出的密集關(guān)鍵點(diǎn)回歸框架（DEKR） ，通過逐像素空間變換器和自適應(yīng)卷積激活關(guān)鍵點(diǎn)區(qū)域，以精確回歸關(guān)鍵點(diǎn)位置。該方法采用多分支結(jié)構(gòu)，使每個(gè)分支專注于單個(gè)關(guān)鍵點(diǎn)回歸，從而提升空間精度。

隨著YOLOv8-Pose[6]系列模型的出現(xiàn)，實(shí)時(shí)姿態(tài)估計(jì)取得了顯著進(jìn)展。然而，在處理遮擋、復(fù)雜姿態(tài)和多人體場(chǎng)景時(shí)，YOLOv8-Pose在關(guān)鍵點(diǎn)定位上仍存在局限，特別是對(duì)被遮擋關(guān)鍵點(diǎn)的檢測(cè)不夠準(zhǔn)確。為解決上述問題，本文以YOLOv8n-Pose模型為基準(zhǔn)，提出了一種結(jié)合重參數(shù)化網(wǎng)絡(luò)和共享卷積的輕量化人體姿態(tài)估計(jì)算法。主要貢獻(xiàn)如下：

1） 引入MLCA 注意力機(jī)制，改進(jìn)C2f 模塊中的Bottleneck結(jié)構(gòu)，提升模型對(duì)關(guān)鍵點(diǎn)特征的提取能力。

2） 用RepGFPN替代原有的PANet特征融合網(wǎng)絡(luò)，實(shí)現(xiàn)更高效的多尺度特征融合。

3） 設(shè)計(jì)了共享卷積的輕量化檢測(cè)頭Pose_LSCD，降低模型參數(shù)量和計(jì)算復(fù)雜度。

1 相關(guān)原理

YOLOv8-Pose是一種結(jié)合目標(biāo)檢測(cè)和關(guān)鍵點(diǎn)檢測(cè)的實(shí)時(shí)人體姿態(tài)估計(jì)模型。該模型基于YOLO系列目標(biāo)檢測(cè)架構(gòu)，通過在檢測(cè)框的基礎(chǔ)上預(yù)測(cè)人體的關(guān)鍵點(diǎn)位置，實(shí)現(xiàn)多人姿態(tài)估計(jì)。整體結(jié)構(gòu)包括骨干網(wǎng)絡(luò)（Backbone） 、特征融合網(wǎng)絡(luò)（Neck） 和檢測(cè)頭（Head） 。輸入圖像經(jīng)過骨干網(wǎng)絡(luò)提取多尺度特征圖，隨后在特征融合網(wǎng)絡(luò)中進(jìn)行特征融合，最后通過檢測(cè)頭完成目標(biāo)分類、定位和關(guān)鍵點(diǎn)預(yù)測(cè)。

2 方法

2.1 C2f_MLCA 模塊

基于回歸的模型在復(fù)雜場(chǎng)景下的關(guān)鍵點(diǎn)定位精度較低，尤其在面對(duì)遮擋情況時(shí)，難以準(zhǔn)確提取被遮擋的關(guān)鍵點(diǎn)。這是因?yàn)楣歉删W(wǎng)絡(luò)提取的有效關(guān)鍵點(diǎn)特征不足，影響了整體姿態(tài)的準(zhǔn)確識(shí)別。

如圖1（a） 、（b）所示，為提升模型對(duì)人體關(guān)鍵點(diǎn)的特征提取能力，本文引入MLCA[7]注意力機(jī)制，改進(jìn)C2f模塊中的Bottleneck結(jié)構(gòu)。MLCA通過融合局部和全局特征，增強(qiáng)了模型對(duì)重要空間特征的表達(dá)能力，提高了被遮擋關(guān)鍵點(diǎn)的識(shí)別準(zhǔn)確性。

如圖1（c）所示，MLCA模塊包含局部和全局兩個(gè)分支。局部分支通過局部平均池化（LAP） 捕獲細(xì)節(jié)特征權(quán)重，全局分支通過全局平均池化（GAP） 提取整體特征權(quán)重。兩者經(jīng)過一維卷積和展平處理后，融合生成混合局部通道注意力權(quán)重，增強(qiáng)了模型的特征表達(dá)能力。具體而言，局部分支通過局部平均池化捕捉細(xì)節(jié)特征權(quán)重，全局分支通過全局平均池化提取整體特征權(quán)重。兩個(gè)分支的輸出經(jīng)過Reshape層展平，并通過一維卷積層進(jìn)一步提取特征權(quán)重。隨后，局部特征權(quán)重與反池化后的全局特征權(quán)重經(jīng)過像素級(jí)相加，生成融合了局部和全局信息的注意力權(quán)重。最終，通過反池化操作獲得與輸入特征圖通道數(shù)相等的混合局部通道注意力權(quán)重。

通過引入MLCA注意力機(jī)制，模型在局部和全局空間上增強(qiáng)了對(duì)遮擋人體關(guān)鍵點(diǎn)的特征表達(dá)能力，并提高了隨機(jī)分布人體關(guān)鍵點(diǎn)的定位精度。

2.2 RepGFPN 特征融合網(wǎng)絡(luò)

傳統(tǒng)PANet的特征融合采用自上而下和自下而上結(jié)合的方式，其中自下而上的路徑增強(qiáng)主要關(guān)注低層特征的信息傳播，這種機(jī)制可以增強(qiáng)位置精確的低層特征，但由于高層語義特征在回傳時(shí)沒有得到充分關(guān)注，導(dǎo)致在融合過程中高層語義信息被弱化。

為增強(qiáng)模型在不同尺度下的特征融合效果，本文引入了RepGFPN[8]網(wǎng)絡(luò)，替代了YOLOV8n-pose原有的PANet部分。RepGFPN是一種高效的特征融合網(wǎng)絡(luò)，改進(jìn)自傳統(tǒng)FPN，重點(diǎn)在于提升模型效率的同時(shí)保持精度。通過引入重復(fù)分支和高效計(jì)算模塊，Rep?GFPN增強(qiáng)了特征融合能力，同時(shí)降低了計(jì)算負(fù)擔(dān)。它通過跨層特征融合，顯著提升了模型在不同尺度下的關(guān)鍵特征檢測(cè)能力，更好地捕捉細(xì)節(jié)和全局信息的相互關(guān)系，并減少了特征圖的計(jì)算開銷。

如圖2所示，RepGFPN網(wǎng)絡(luò)通過其高效特征融合設(shè)計(jì)，實(shí)現(xiàn)了更為有效的多尺度特征整合。整體上，多個(gè)特征層通過拼接進(jìn)入RepGFPN的融合模塊進(jìn)行迭代處理。其次，在融合模塊（FusionBlock） 內(nèi)部利用雙分支卷積網(wǎng)絡(luò)對(duì)特征進(jìn)行提取和融合，有效結(jié)合了圖像的高層和低層語義信息。在模型訓(xùn)練過程中，RepConv模塊采用雙路卷積，而在推理時(shí)僅使用一路卷積，進(jìn)一步提升了推理效率。

2.3 Pose_LSCD 輕量化檢測(cè)頭

YOLOv8-Pose在檢測(cè)頭中使用了多個(gè)卷積層來提取特征和回歸關(guān)鍵點(diǎn)位置，同時(shí)每個(gè)分類和目標(biāo)回歸分支都有獨(dú)立的卷積操作。這種設(shè)計(jì)雖然能夠提升檢測(cè)精度，但顯著增加了檢測(cè)頭的參數(shù)量。

本研究設(shè)計(jì)了一種用于人體姿態(tài)檢測(cè)的輕量化檢測(cè)頭Pose_LSCD。該檢測(cè)頭通過卷積共享結(jié)構(gòu)的設(shè)計(jì)來減少模型參數(shù)量。在采用共享卷積結(jié)構(gòu)時(shí)，由于標(biāo)準(zhǔn)卷積模塊中的批量歸一化（BN） 依賴于當(dāng)前批次的均值和方差，導(dǎo)致小批次的統(tǒng)計(jì)量不夠穩(wěn)定，容易受到噪聲的影響，因此引入分組歸一化（GN） [9]對(duì)卷積模塊進(jìn)行改進(jìn)，從而提升目標(biāo)檢測(cè)的定位和分類效果。

如圖3所示，本研究設(shè)計(jì)的共享卷積模塊作用于特征輸入的分類和檢測(cè)分支，以實(shí)現(xiàn)輕量化檢測(cè)頭的參數(shù)優(yōu)化效果。整體上，來自融合網(wǎng)絡(luò)的每個(gè)特征首先經(jīng)過一個(gè)1×1的卷積模塊（ConvGN） ，然后分別進(jìn)入姿態(tài)估計(jì)（Pose） 的分支網(wǎng)絡(luò)，并依次進(jìn)入共享卷積模塊，實(shí)現(xiàn)共享權(quán)重的結(jié)構(gòu)。在Pose分支中，每個(gè)特征依次經(jīng)過一個(gè)1×1和3×3的卷積，最后通過一個(gè)通道數(shù)等于關(guān)鍵點(diǎn)數(shù)量的卷積，得到人體姿態(tài)估計(jì)的關(guān)鍵點(diǎn)檢測(cè)坐標(biāo)。在共享卷積模塊中，輸入特征會(huì)經(jīng)過兩個(gè)3×3的共享卷積，分為兩路分別預(yù)測(cè)類別和檢測(cè)目標(biāo)位置。數(shù)學(xué)表達(dá)式如下：

yi = concat（share（xi ），POSEi （xi ）） （1）

Y = [ y1 ，y1 ，...，yn ] （2）

其中，share 函數(shù)表示每個(gè)輸入的共享模塊，而POSE函數(shù)表示對(duì)每個(gè)輸入都有其對(duì)應(yīng)的人體姿態(tài)檢測(cè)輸出。最終，來自融合網(wǎng)絡(luò)的每個(gè)特征都只經(jīng)過同一個(gè)share模塊，隨后將得到的特征張量進(jìn)行拼接，并自適應(yīng)調(diào)整網(wǎng)絡(luò)參數(shù)。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境

實(shí)驗(yàn)采用COCO2017人體關(guān)鍵點(diǎn)數(shù)據(jù)集，包含標(biāo)注了17個(gè)關(guān)鍵點(diǎn)的圖像數(shù)據(jù)，覆蓋多人、遮擋、動(dòng)作多樣等復(fù)雜場(chǎng)景。訓(xùn)練集包含56 599張圖片，驗(yàn)證集包含5 000張圖片。

實(shí)驗(yàn)硬件環(huán)境包括NVIDIA RTX 4090 GPU（24GB 顯存） 、Intel Core i9-12900K處理器和32GB內(nèi)存，利用GPU的并行計(jì)算加速模型訓(xùn)練與推理。軟件環(huán)境為Ubuntu 20.04操作系統(tǒng)，Python 3.8用于算法實(shí)現(xiàn)，深度學(xué)習(xí)框架為PyTorch 1.8，CUDA版本為11.2以支持GPU計(jì)算。

實(shí)驗(yàn)設(shè)置的參數(shù)為：初始學(xué)習(xí)率（learning rate） 為0.01，批處理大小（batch size） 為16，迭代輪數(shù)（epochs） 為300，輸入圖像分辨率為640×640，以確保不同模型之間具有可比性。

3.2 評(píng)價(jià)指標(biāo)

對(duì)于COCO2017 數(shù)據(jù)集，本文采用OKS（ObjectKeypoint Similarity，關(guān)節(jié)點(diǎn)相似度） 作為模型性能評(píng)價(jià)的度量方法。計(jì)算公式為：

如公式（3） 所示，i 表示關(guān)鍵點(diǎn)的類型，di表示檢測(cè)出的關(guān)鍵點(diǎn)與其真實(shí)標(biāo)簽之間的歐氏距離，s 表示目標(biāo)的尺度，vi為真實(shí)關(guān)鍵點(diǎn)的可見性標(biāo)志，δ 函數(shù)確保只有被標(biāo)注的關(guān)鍵點(diǎn)才會(huì)納入計(jì)算，ki是控制衰減的每個(gè)關(guān)鍵點(diǎn)的常數(shù)。

如公式（4） 和（5） 所示，P和R分別表示精確度（Pre?cision） 與召回率（Recall） 。其中，TP為正樣本中預(yù)測(cè)為真的數(shù)量，F(xiàn)P為負(fù)樣本中預(yù)測(cè)為真的數(shù)量，F(xiàn)N為負(fù)樣本中預(yù)測(cè)為假的數(shù)量。

如公式（6） 所示，本研究采用mAP（mean AveragePrecision） 作為評(píng)估模型在不同閾值下的平均精度的指標(biāo)，用于整體性能評(píng)估。mAP@50表示OKS閾值為0.5時(shí)的平均精度，mAP@50-95為OKS閾值從0.5到0.95的平均精度，其中，M是目標(biāo)的總數(shù)量。

3.3 測(cè)試與分析

為了全面評(píng)估模型的輕量化和檢測(cè)性能，本文使用了參數(shù)量（Params） 、GFLOPS（每秒十億次浮點(diǎn)數(shù)運(yùn)算） 以及平均精度（mAP@50、mAP@50-95） 進(jìn)行分析。參數(shù)量用于衡量模型的輕量化程度，較少的參數(shù)量表示模型更加精簡，適合在資源有限的設(shè)備上運(yùn)行。GFLOPS是評(píng)估模型計(jì)算復(fù)雜度的重要標(biāo)準(zhǔn)，表示模型每秒執(zhí)行的浮點(diǎn)運(yùn)算次數(shù)。

3.3.1 消融實(shí)驗(yàn)

為探討本文提出的不同模塊對(duì)模型性能的影響，筆者進(jìn)行了詳細(xì)的消融實(shí)驗(yàn)，逐步修改模型中的各個(gè)模塊，評(píng)估其對(duì)模型在mAP@50、mAP@50-95、GFLOPS以及模型參數(shù)量方面的貢獻(xiàn)。

如表1 所示，引入C2f_MLCA 模塊后，參數(shù)量從3.3M增加至3.6M，GFLOPS增加了0.5，模型的mAP@50提升了1.9%，證明了MLCA注意力機(jī)制在關(guān)鍵點(diǎn)特征增強(qiáng)方面的有效性。進(jìn)一步引入RepGFPN 后，mAP@50再次提升，同時(shí)GFLOPS有所降低，實(shí)驗(yàn)證明RepGFPN在提升模型精度的同時(shí)優(yōu)化了計(jì)算效率。此外，加入設(shè)計(jì)的Pose_LSCD 檢測(cè)頭后，參數(shù)量從4.4M降至2.7M，同時(shí)保持了檢測(cè)精度。

通過逐步添加各改進(jìn)模塊，觀察到模塊間的協(xié)同作用，例如C2f_MLCA與RepGFPN的結(jié)合能夠在提升特征提取能力的同時(shí)優(yōu)化多尺度特征的融合，從而進(jìn)一步提升整體模型性能。綜合分析顯示，消融實(shí)驗(yàn)驗(yàn)證了各模塊的有效性，同時(shí)展示了其在實(shí)際應(yīng)用中的潛在價(jià)值。

3.3.2 對(duì)比試驗(yàn)

為了進(jìn)一步評(píng)估本文提出的改進(jìn)模型在姿態(tài)估計(jì)任務(wù)中的表現(xiàn)，基于COCO數(shù)據(jù)集，選取多個(gè)主流姿態(tài)估計(jì)模型與改進(jìn)模型進(jìn)行了對(duì)比實(shí)驗(yàn)，如表2 所示。

從表2可以看出，本文提出的改進(jìn)模型在減少參數(shù)量的同時(shí)，性能依然超越了YOLOv8n-Pose原始模型和OpenPose等主流模型。雖然本文模型在mAP@50 指標(biāo)上為82.9，略低于HigherHRNet 和YOLOv5-Pose，但其參數(shù)量僅為2.70M，GFLOPS為7.30，顯示出更高的效率，適合部署在資源有限的場(chǎng)景中。此外，本文模型相比其他模型，特別是在計(jì)算資源需求上具有明顯優(yōu)勢(shì)，這表明其在實(shí)際應(yīng)用中的可行性和靈活性。

4 結(jié)論

本文針對(duì)實(shí)時(shí)人體姿態(tài)估計(jì)模型中存在的計(jì)算復(fù)雜度高和效率低的問題，提出了一種基于重參數(shù)化網(wǎng)絡(luò)和共享卷積的輕量化人體姿態(tài)估計(jì)算法。通過引入多級(jí)通道注意力（MLCA） 機(jī)制對(duì)C2f特征提取模塊進(jìn)行改進(jìn)，顯著增強(qiáng)了對(duì)人體關(guān)鍵點(diǎn)特征信息的提取能力。此外，采用RepGFPN特征融合網(wǎng)絡(luò)提升了特征融合的效率，最終設(shè)計(jì)了Pose_LSCD輕量化檢測(cè)頭，從而有效減少了模型的參數(shù)量和計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性，為嵌入式和邊緣設(shè)備的應(yīng)用提供了可靠的解決方案。

綜上所述，本文提出的方法為實(shí)際應(yīng)用中的嵌入式和邊緣設(shè)備部署提供了有力支持，并為后續(xù)研究奠定了基礎(chǔ)。未來的工作將集中于進(jìn)一步優(yōu)化模型結(jié)構(gòu)，以提升其在復(fù)雜場(chǎng)景下的泛化能力，同時(shí)探索更高效的實(shí)際應(yīng)用部署方案。

參考文獻(xiàn)：

[1] TOSHEV A，SZEGEDY C.DeepPose：human pose estimation viadeep neural networks[C]//2014 IEEE Conference on ComputerVision and Pattern Recognition.June 23-28，2014，Columbus，OH，USA.IEEE，2014：1653-1660.

[2] CHEN Y L，WANG Z C，PENG Y X，et al.Cascaded pyramid net?work for multi-person pose estimation[C]//2018 IEEE/CVFConference on Computer Vision and Pattern Recognition.June18-23，2018，Salt Lake City，UT，USA.IEEE，2018：7103-7112.

[3] LI W B，WANG Z C，YIN B Y，et al.Rethinking on multi-stagenetworks for human pose estimation[EB/OL].2019：1901.00148.https：//arxiv.org/abs/1901.00148v4.

[4] MAO W A，GE Y T，SHEN C H，et al.Poseur：direct human poseregression with transformers[M]//Computer Vision – ECCV2022.Cham：Springer Nature Switzerland，2022：72-88.

[5] GENG Z G，SUN K，XIAO B，et al.Bottom-up human pose esti?mation via disentangled keypoint regression[C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）. June 20-25， 2021. Nashville， TN， USA. IEEE， 2021：14676-14686.

[6] WANG H T，YANG G H，HAO X Y，et al.Automotive gear defectdetection method based on Yolov8 algorithm[C]//2023 AsiaSymposium on Image Processing （ASIP）.June 15-17，2023，Tian?jin，China.IEEE，2023：19-23.

[7] WAN D H，LU R S，SHEN S Y，et al.Mixed local channel atten?tion for object detection[J].Engineering Applications of Artifi?cial Intelligence，2023（123）：106442.

[8] XU X Z，JIANG Y Q，CHEN W H，et al.DAMO-YOLO：a reporton real-time object detection design[EB/OL]. 2022： 2211.15444. https：//arxiv.org/abs/2211.15444v4.

[9] TIAN Z，SHEN C H，CHEN H，et al.FCOS：fully convolutionalone-stage object detection[EB/OL]. 2019： 1904.01355. https：//arxiv.org/abs/1904.01355v5.

[10] NEWELL A，YANG K Y，DENG J.Stacked hourglass networksfor human pose estimation[M]//Computer Vision – ECCV2016.Cham：Springer International Publishing，2016：483-499.

[11] MAJI D，NAGORI S，MATHEW M，et al.YOLO-pose：enhanc?ing YOLO for multi person pose estimation using object key?point similarity loss[C]//2022 IEEE/CVF Conference on Com?puter Vision and Pattern Recognition Workshops （CVPRW）.June 19-20，2022，New Orleans，LA，USA.IEEE，2022：2636-2645.

[12] CAO Z，HIDALGO G，SIMON T，et al.OpenPose：realtime multiperson2D pose estimation using part affinity fields[EB/OL].2018：1812.08008. https：//arxiv.org/abs/1812.08008v2.

[13] CHENG B W，XIAO B，WANG J D，et al.HigherHRNet：scaleawarerepresentation learning for bottom-up human pose esti?mation[C]//2020 IEEE/CVF Conference on Computer Visionand Pattern Recognition （CVPR）. June 13-19， 2020， Seattle，WA，USA.IEEE，2020：5385-5394.

【通聯(lián)編輯：唐一東】