[发明专利]一种移动端轻量化2D人体姿态估计模型

权利要求书

1.一种移动端轻量化2D人体姿态估计模型，其特征在于，所述移动端轻量化2D人体姿态估计模型包括：

在残差网络的基础上，调整各阶段的瓶颈层的数量，使用调整后的模型对图像数据进行下采样；

调整瓶颈层结构，将常规卷积用深度可分离卷积代替；所述深度可分离卷积包括一个深度卷积和逐点卷积；

对调整后的模型使用不需参数训练的插值算子代替反卷积算子；

输入适合人体的身高比例的图像，且腿部使用空洞卷积来扩大感受空间；

上采样过程中，深度可分离卷积和常规卷积交叉使用，并使用上采样和下采样相同尺寸的特征图相加来增强特征信息；

多次使用深度可分离卷积和1×N/N×1卷积核卷积来代替N×N卷积，以减少模型参数且保持准确率稳定；N为大于等于1的常数。

2.根据权利要求1所述的移动端轻量化2D人体姿态估计模型，其特征在于，所述调整各阶段的瓶颈层的数量，包括：

调整五个阶段的瓶颈层的数量；所述五个阶段分别为：Stage0、Stage1、Stage2、Stage3、Stage4；

Stage1、Stage2、Stage3、Stage4的瓶颈层的数量依次由残差网络的3、4、6、3调整为3、5、12、3。

3.根据权利要求2所述的移动端轻量化2D人体姿态估计模型，其特征在于，所述使用调整后的模型对图像数据进行下采样的过程包括：

Stage0：第一步，设置常规卷积的卷积核为7×7，卷积层输出的通道数为64，卷积的步长为2；第二步，设置最大池化层的卷积核为3×3，卷积层输出的通道数为64，卷积的步长为2；

Stage1：第一至第三步，均设置瓶颈层的卷积层输出的通道数为64，卷积的步长为1；

Stage2：第一步，设置瓶颈层的卷积层输出的通道数为128，卷积的步长为2；第二至第五步，设置瓶颈层的卷积层输出的通道数为128，卷积的步长为1；

Stage3：第一、二步，设置瓶颈层的卷积层输出的通道数为256，卷积的步长为2；第三至第七步，均设置瓶颈层的卷积层输出的通道数为256，卷积的步长为1；第八步，设置瓶颈层的卷积层输出的通道数为256，卷积的步长为2；第九至第十二步，均设置瓶颈层的卷积层输出的通道数为256，卷积的步长为1；

Stage4：第一至第三步，均设置瓶颈层的卷积层输出的通道数为512，卷积的步长为1。

4.根据权利要求1所述的移动端轻量化2D人体姿态估计模型，其特征在于，训练模型参数后，使用验证数据集来评估模型，使用测试数据集来测试模型，将最终训练的模型先转化为onnx模型,再转换为tnn模型，在移动端部署。

5.根据权利要求1所述的移动端轻量化2D人体姿态估计模型，其特征在于，根据所述模型求出热度图后，根据所述热度图求出人体关键点，并根据所述人体关键点关系构建出人体骨骼图。