基于重参数化网络和共享卷积的轻量化YOLOV8n-Pose人体姿态估计算法  

作　　者：刘磊 胡永祥[1] 

机构地区：[1]湖南工业大学,湖南株洲412000

出　　处：《电脑知识与技术》2025年第2期19-22,共4页Computer Knowledge and Technology

摘　　要：针对实时人体姿态估计模型计算复杂度大、效率低的问题,文章以YOLOv8n-Pose模型为基准,提出了一种结合重参数化网络和共享卷积的轻量化人体姿态估计算法。首先,引入MLCA注意力机制,改进C2f模块中的Bottleneck结构,提升骨干网络对人体关键点的特征提取能力。其次,将原有的PANet特征融合网络替换为重参数化网络RepGFPN,实现更高效的多尺度特征融合。最后,设计了一种共享卷积的轻量化检测头,降低模型参数量,减少计算开销。在COCO数据集上的实验结果表明,改进后的模型计算复杂度(GFLOPS)降低了10%,m AP@50精度提升了2.8%,模型参数量减少了20%。这些改进为人体姿态估计任务的轻量化和高效部署提供了新思路。

关 键 词：人体姿态估计 轻量化 YOLOv8n-Pose 重参数化网络RepGFPN 共享卷积 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]