原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812025⁃04⁃10
计算机应用,2025,45(4):1293-1299CODENJYIIDUhttp://www.joca.cn
文章编号：1001-9081（2025）04-1293-07DOI:10.11772/j.issn.1001-9081.2024040507
结合注意力机制和多尺度特征融合的三维手部姿态估计
1*1，21，21，2
郭诗月，党建武，王阳萍，雍玖
（1.兰州交通大学电子与信息工程学院，兰州730070；
2.甘肃省人工智能与图形图像处理工程研究中心（兰州交通大学），兰州730070）
（∗通信作者电子邮箱2193324383@qq.com）
摘要：针对因遮挡和自相似性导致的从单张RGB图像估计三维手部姿态不精确的问题，提出结合注意力机制
和多尺度特征融合的三维手部姿态估计算法。首先，提出结合扩张卷积和CBAM（ConvolutionalBlockAttention
Module）注意力机制的感受强化模块（SEM），以替换沙漏网络（HGNet）中的基本块（Basicblock），在扩大感受野的同时
增强对空间信息的敏感性，从而提高手部特征的提取能力；其次，设计一种结合SPCNet（SpatialPreserveandContent-
awareNetwork）和Soft-Attention改进的多尺度信息融合模块SS-MIFM（SPCNetandSoft-attention-Multi-scaleInformation
FusionModule），在充分考虑空间内容感知机制的情况下，有效地聚合多级特征，并显著提高二维手部关键点检测的
准确性；最后，利用2.5D姿态转换模块将二维姿态转换为三维姿态，从而避免二维关键点坐标直接回归计算三维姿
态信息导致的空间丢失问题。实验结果表明，在InterHand2.6M数据集上，所提算法的双手关节点平均误差
（MPJPE）、单手MPJPE和根节点平均误差（MRRPE）分别达到了12.32、9.96和29.57mm；在RHD（RenderedHand
poseDataset）上，与InterNet和QMGR-Net算法相比，所提算法的终点误差（EPE）分别降低了2.68和0.38mm。以上结
果说明了所提算法能够更准确地估计手部姿态，且在一些双手交互和遮挡的场景下有更高的鲁棒性。
关键词：手部姿态估计；多尺度特征融合；注意力机制；高分辨率网络；沙漏网络
中图分类号：TP391.41文献标志码：A
3Dhandposeestimationcombiningattentionmechanismandmulti-scalefeaturefusion
GUOShiyue1*，DANGJianwu1，2，WANGYangping1，2，YONGJiu1，2
（1.SchoolofElectronicandInformationEngineering，LanzhouJiaotongUniversity，LanzhouGa
文档评论（0）