《表2 自变量赋值说明：轻量型高分辨率人体关键点检测改进研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《轻量型高分辨率人体关键点检测改进研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验结果如表2所示，其中无注意力的Gatt Net为仅使用线性变换模块改进HRNet，验证结果显示无注意力的Gatt Net相比原网络准确度下降了2.8个百分点，其参数量与运算复杂度分别下降1.18×107和2.6×109，相比原网络分别下降41.5%与36.7%。线性变换方法由于是通过已由普通卷积生成的特征图，再使用线性变换来生成冗余特征图，对特征图的生成是一对一生成，即对一个通道普通卷积生成的特征图进行线性变换生成另一个特征图，这种方法无法对输入的多通道特征图信息进行有效利用，故而产生了较大幅度的准确度降低。分析后通过添加通道注意力方法增加了通道间的特征图信息交流，后经实验验证，有通道注意力的Gatt Net训练的检测准确率为72.7%，实验结果表明这一方法确实大幅提高了网络检测的准确度，通过通道注意力提升了通道间的信息融合，平均准确度得到了2.1个百分点的提升。