计算机工程与科学

作者：谷学静, 栗燕茹, 杨蓝潇

单位：（1.华北理工大学电气工程学院，河北 唐山 063210；2.唐山市数字媒体工程技术研究中心，河北 唐山 063000；3.华北理工大学人工智能学院，河北 唐山 063210）

关键词：YOLOPose,人体姿态估计,注意力机制,多尺度序列特征,损失函数,

基金：唐山市科技创新团队培养计划（18130221A）

针对遮挡场景下多人姿态估计准确率低的问题，提出了一种结合混合注意力机制和多尺度序列特征的人体姿态估计模型DAW-YOLOPose。首先，采用MLCA注意力机制改进YOLOv8Pose的主干网络，在不增加模型参数量的同时有效捕获并传递空间和通道信息，以提升网络的特征表达效果。其次，提出了一种全新的多尺度序列特征融合网络，增强多尺度特征信息提取能力，同时融合不同尺度的特征映射。最后，使用Wise-IoU v3损失函数的梯度增益分配策略，提高对高质量锚框的区分能力，减少低质量样本对模型训练的负面影响。在MSCOCO数据集上的实验结果表明，DAW-YOLOPose与YOLOv8Pose相比，mAP@0.5,mAP@0.5:0.95和召回率分别提升2.7个百分点、1.4个百分点和1.9个百分点，实现了更优越的姿态估计效果。

来源：2026年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第3期