一种改进的用于服装解析的自监督网络学习方法

• 作者: 万韬阮 朱欣娟 汤汶 白美丽 薛涛
• 来源期刊: 纺织高校基础科学学报
• 关键词: 服装解析 语义分割 深度卷积神经网络 自监督学习 姿态估计
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 服装智能制造
• 页码范围: 385-392,410
• 页数: 9页
• 分类号: TS941|TP391.41
• 语种: 中文
• DOI: 10.13338/j.issn.1006-8341.2019.04.007

摘要

针对现有的服装解析算法在复杂背景下分割准确率较低,依赖姿态估计等问题,提出一种基于深度卷积神经网络的自监督服装解析方法(Deeplabv2-SSL),即在Deeplabv2网络中注入一种自监督的结构敏感学习算法.新的算法在训练过程中不需要标注任何人体关节信息,直接从像素标签中学习人体更高层次的信息,利用学习到的人体关节信息更好地定位服装分割的区域,降低了姿态估计过程中的损失.实验表明,Deeplabv2-SSL网络可以有效地解析服装中人体的个别部位以及服装区域.测试过程中总体像素精度大约83.37％,平均像素精度大约52.53％,较其他语义分割模型性能更佳.