인간 자세 추정 네트워크 모델의 성능이 지속적으로 향상됨에 따라, 더 깊은 네트워크 구조는 흔히 파라미터 수의 상당한 증가와 연산 복잡도의 증가를 동반한다. 이러한 문제를 해결하기 위해 본 논문에서는 경량 인체 자세 추정 네트워크 LW-FastPose를 제안한다. 제안된 네트워크는 EL-ResNet 특징 추출 네트워크와 업샘플링 DUC 모듈로 구성된다. EL-ResNet 특징 추출 네트워크의 기반이 되는 DWNK 베이스 모듈은 잔차 연결(residual connections)과 depthwise separable convolution 기법을 활용하는 depthwise separable convolution 모듈이다. 이러한 설계는 모델 성능을 유지하면서 연산 복잡도를 유의미하게 감소시킨다. COCO 데이터셋에 대한 실험 결과에 따르면, LW-FastPose는 FastPose 네트워크와 비교하여 파라미터 수와 연산 복잡도를 각각 34%와 27% 감소시킨다. 다른 주요 모델들에 비해 LW-FastPose는 파라미터 수 및 연산 부담을 크게 줄일 뿐 아니라 성능 저하 없이 경쟁력 있는 예측 정확도를 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.