人体姿态估计是计算机视觉领域一项极具挑战性的任务。姿态估计任务估计一幅画面中各身体部分的位置,这些身体部分具有特征多样性高、易存在遮挡、空间关联性高等特点,传统姿态估计方法缺乏足够的特征多样性和全局综合能力,难以很好地应对此类问题。随着深度学习的发展,姿态估计模型极大地受益于卷积神经网络框架,在近年来取得了令人瞩目的进步。姿态估计任务常常伴随着较大的空间关联性。身体关键点的分辨需要来自身体其他部位的信息提供支持,左右的辨别需要面部和手腕等部分的朝向确定,人物关键点的分组更需要其他关键点的位置信息。为了建模这种长距离的空间关联性,新的姿态估计模型使用越来越深的网络以构建更大的感受野。尽管此类网络能够在深层获得较大的感受野,网络浅层仅仅能从小范围的区域提取特征。部分关键点的提取只需要少量额外的远距离信息,如果能够使其提前获取远距离特征而不必等待至深层网络,这些关键点的提取可以被大大提前,网络深层的感受野也能更大,因而网络将具有更强的全局综合能力。本文尝试探索两种扩张网络浅层感受野的方式,并分析它们对姿态估计任务的影响。本文首先提出了一个长距离关系模块,其中包含具有固定偏移量的特征偏移过程。接着本文提出了另一种具有可学习偏移量的特征偏移模块,以及其中的相关性关注机制。本文的主要贡献如下:1.提出了一种包含固定偏移量的特征偏移模块,这种模块可以被视作扩张卷积的一种近似,被称作跨通道扩张卷积。本文尝试解释了为什么跨通道扩张卷积相比普通扩张卷积在具有极少参数的情况下不会更差,并通过实验证明了该猜想。实验也表明了特征偏移模块确实能使网络有更好的性能,并展示了其步长对性能的影响。2.本文进一步提出了包含可学习偏移量的特征偏移模块,这一模块还额外包含了相关性关注机制。本文解释了这一模块可以被视作一种具有动态感受野形状的卷积操作,并用实验说明这一模块可以在更小的网络结构下达到更好的效果。本文还分析了这一模块对哪些关键点的检测作出了贡献。