Este documento presenta un enfoque novedoso para abordar el problema de aumentar el número de parámetros en los modelos de red de estimación de postura humana existentes mientras se intenta mejorar la precisión de la predicción. Proponemos un modelo de red de optimización de estimación de postura humana, llamado BDENet, que se basa en la red de detección de alta resolución (HRNet). BDENet incorpora una estructura de cuello de botella y convolución profundamente separable para reducir el número de parámetros. Además, introduce un mecanismo de atención de canal eficiente (ECA) para mejorar la precisión. Evaluamos el modelo propuesto utilizando el conjunto de datos MSCOCO y lo comparamos con HRNet. Los resultados experimentales demuestran que BDENet logra una reducción del 41.4% en el número de parámetros en comparación con HRNet, mientras logra un aumento del 0.6% en precisión. Estos hallazgos confirman que el modelo de red propuesto en este documento puede mejorar efectivamente la precisión al tiempo que reduce el número de parámetros.