由于人体姿态的复杂性和多样性，取得高准确度的网络模型往往具有大量的参数和复杂的结构，给部署和应用带来一定困难。本文提出一种基于注意力细化的实时人体姿态估计网络，使用多分辨率图像金字塔嵌入模块融合图片中多分辨率的空间特征，减少单分辨率下空间特征损失；使用注意力细化网络进行人体姿态估计，对全局注意力特征进行局部细化，降低参数量与计算量，实现实时的人体姿态估计。本文方法达到701 fps的推理速度，与推理速度为174 fps的HRFormer-small相比，提升4倍，但在精度上略低0.34%。