高分辨率特征保持的头部姿态软阶段回归算法

针对在头部姿态估计推理过程中由于上下采样操作而导致的姿态特征损失问题,提出了一种高分辨率特征保持的头部姿态软阶段回归算法。该算法首先利用编码器HR-Net对原始人脸图像进行高分辨率特征保持的多尺度特征编码,并在其卷积块中加入TA维度交互模块以捕获更多空间与通道之间的交互信息;然后使用解码器SSR-Net算法对HR-Net输出的不同尺度特征图进行关键参数解码和头部姿态软阶段回归,并引入了高效通道注意力ECA以加强特征通道间的信息交互,减少冗余特征。实验结果表明,所提算法在公开数据集AFLW2000和BIWI上均有优秀表现,其MAE分别降低至4.19和3.00。