基于局部-全局一致性学习的弱监督人手分割

• 作者: 李寅霖 谢志坚 郑碎武
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人手分割 深度全卷积神经网络 弱监督学习 条件随机场
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 204-210,319
• 页数: 8页
• 分类号: TP391.41
• 字数: 4782字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.037

摘要

随着可穿戴设备的日益普及,人的上肢行为数据急剧增长,而自然场景下的人手分割研究较少.针对现有的算法对手工设计特征、像素级标签、设备、环境等的依赖,造成的精度有限或设备、人工标注成本较高的问题,提出一种弱监督人手分割算法,并将其应用到人手操作行为分割中.在像素级标签的源数据集上,利用全卷积神经网络(FCN)预训练.在只有类别标签的目标数据集上,实现基于超像素的局部-全局一致性学习的分割优化,进而实现FCN网络训练和分割优化的交替迭代.使用全连接条件随机场(CRF)进行后处理.提出基于边界框的弱监督分割,以及半监督分割方法.与其他方法的对比实验表明,该方法具有较高的召回率和区域交叠率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢志坚	广州市机电技师学院智能控制系	8	1	1.0	1.0
2	李寅霖	中国科学院自动化研究所复杂系统管理与控制国家重点实验室	1	1	1.0	1.0
6	郑碎武	中国科学院自动化研究所复杂系统管理与控制国家重点实验室	1	1	1.0	1.0