6月6日消息，近日，蘑菇车联提出BalanceHRNet人体姿态估计模型，能够帮助自动驾驶精准识别行人意图。这一研究成果被国际顶级期刊Neural Networks收录。
Neural Networks是世界三大神经网络领域权威学术期刊之一，也是SCI一区期刊，涉及行为学、脑建模、学习算法、数学和计算分析，以及使用神经网络概念和技术的工程和技术应用。
目前，人体姿态估计的主流方法是使用神经网络来识别人体关键点。近年来，该领域研究人员提出多种 学习模型来提高人体姿态估计的准确性，包括主流的HigherHRNe模型。
尽管这一模型已经取得很大进步，但在复杂环境或者拥挤场景下，不同个体间的相互遮挡会导致检测难度激增，识别准确性会大大降低。
鉴于此，蘑菇车联提出BalanceHRNet模型，该模型借鉴HigherHRNet的多分支结构和融合方法，克服HigherHRNet无法获取大感受野的缺点，在更小计算量的情况下提高准确性。
BalanceHRNet具有三大优势：具备更大感受野，可以提取更丰富的语义信息，并且具有较高准确性；提出平衡高分辨率模块BHRM，可以获取物体多尺度特征；学习不同分支的重要性，让模型自己决定不同分支的意义。
测试结果表明，BalanceHRNet能够有效提升人体姿态估计准确性。研究人员将CrowdPose数据集用作测试数据集，并以HigherHRNet、AlphaPose、OpenPose等模型为比较模型。
数据显示，BalanceHRNet测得平均正确率为63.0%，比最佳模型HigherHRNet提高3.1%，准确率为目前业界最高水平。每一帧画面的感知准确率都提升3.1%，数字看着小，但对自动驾驶安全性的整体提升影响很大。
研究人员还通过COCO(2017)关键点检测数据集展示BalanceHRNet网络的有效性，BalanceHRNet模型比平均正确率提高1.6%。
目前，BalanceHRNet已被蘑菇车联用于高精地图，提高了感知成功率和地图精度。
作为行业领先的自动驾驶全栈技术与运营服务提供商，蘑菇车联持续推动数字交通、自动驾驶领域的技术突破。
近半年来，蘑菇车联CAMO-MOT算法、IPS300+路侧多模态目标检测数据集、multi-to-single知识蒸馏框架、InterFusion融合感知、BalanceHRNet模型等研究成果陆续被国际顶级学术机构收录，这意味着相关技术达到世界领先水平。
- 蜜度索骥：以跨模态检索技术助力“企宣”向上生长
- 阿里巴巴拟发行 26.5 亿美元和 170 亿人民币债券
- 腾讯音乐Q3持续稳健增长：总收入70.2亿元，付费用户数1.19亿
- 苹果Q4营收949亿美元同比增6%，在华营收微降
- 三星电子Q3营收79万亿韩元，营业利润受一次性成本影响下滑
- 赛力斯已向华为支付23亿，购买引望10%股权
- 格力电器三季度营收同比降超15%，净利润逆势增长
- 合合信息2024年前三季度业绩稳健：营收增长超21%，净利润增长超11%
- 台积电四季度营收有望再攀高峰，预计超260亿美元刷新纪录
- 韩国三星电子决定退出LED业务，市值蒸发超4600亿元
- 鸿蒙概念龙头大涨超9倍，北交所与新能源板块引领A股强势行情
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
