DoNews6月6日消息，近日，蘑菇車聯提出BalanceHRNet人體姿態(tài)估計模型，能夠幫助自動駕駛精準識別行人意圖。這一研究成果被國際頂級期刊Neural Networks收錄。
Neural Networks是世界三大神經網絡領域權威學術期刊之一，也是SCI一區(qū)期刊，涉及行為學、腦建模、學習算法、數學和計算分析，以及使用神經網絡概念和技術的工程和技術應用。
目前，人體姿態(tài)估計的主流方法是使用神經網絡來識別人體關鍵點。近年來，該領域研究人員提出多種深度學習模型來提高人體姿態(tài)估計的準確性，包括主流的HigherHRNe模型。
盡管這一模型已經取得很大進步，但在復雜環(huán)境或者擁擠場景下，不同個體間的相互遮擋會導致檢測難度激增，識別準確性會大大降低。
鑒于此，蘑菇車聯提出BalanceHRNet模型，該模型借鑒HigherHRNet的多分支結構和融合方法，克服HigherHRNet無法獲取大感受野的缺點，在更小計算量的情況下提高準確性。
BalanceHRNet具有三大優(yōu)勢：具備更大感受野，可以提取更豐富的語義信息，并且具有較高準確性；提出平衡高分辨率模塊BHRM，可以獲取物體多尺度特征；學習不同分支的重要性，讓模型自己決定不同分支的意義。
測試結果表明，BalanceHRNet能夠有效提升人體姿態(tài)估計準確性。研究人員將CrowdPose數據集用作測試數據集，并以HigherHRNet、AlphaPose、OpenPose等模型為比較模型。
數據顯示，BalanceHRNet測得平均正確率為63.0%，比最佳模型HigherHRNet提高3.1%，準確率為目前業(yè)界最高水平。每一幀畫面的感知準確率都提升3.1%，數字看著小，但對自動駕駛安全性的整體提升影響很大。
研究人員還通過COCO(2017)關鍵點檢測數據集展示BalanceHRNet網絡的有效性，BalanceHRNet模型比平均正確率提高1.6%。
目前，BalanceHRNet已被蘑菇車聯用于高精地圖，提高了感知成功率和地圖精度。
作為行業(yè)領先的自動駕駛全棧技術與運營服務提供商，蘑菇車聯持續(xù)推動數字交通、自動駕駛領域的技術突破。
近半年來，蘑菇車聯CAMO-MOT算法、IPS300+路側多模態(tài)目標檢測數據集、multi-to-single知識蒸餾框架、InterFusion融合感知、BalanceHRNet模型等研究成果陸續(xù)被國際頂級學術機構收錄，這意味著相關技術達到世界領先水平。
