基于改进HRNet的牛体关键点检测算法

针对现有关键点检测算法在复杂背景下检测精度低、高运算量等问题,提出一种轻量级关键点检测模型SE-HRNet。首先设计2种轻量型模块:SECAneck模块和SECAblock模块,在保持网络性能的同时减低计算参数,加快训练速度。其次,整合空间注意力机制于多分辨率融合阶段,使得模型对于不易检测到的关键点的定位和识别更为敏感。在自制牛体关键点数据集上进行实验评估,结果表明:改进后的HRNet网络比原网络参数量和运算浮点数分别减少了18.8 M和5.2 G,平均精度达到了93.2%,平均召回率达到了91.5%,每秒帧数(FPS)达到了36.3。