联合姿态先验的人体精确解析双分支网络模型

• 作者: 刘青山 孙玉宝 邵晓雯 高明达
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 人体解析 语义分割 人体姿态估计 部件检测 卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 多媒体内容的多维度相似性计算与搜索专题
• 页码范围: 1959-1968
• 页数: 10页
• 分类号: TP391
• 字数: 5721字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005933

摘要

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而,由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,联合人体姿态估计信息,提出了一种人体精确解析的双分支网络模型.该模型首先使用基千网络表征人体图像,将人体姿态估计模型预测到的姿态先验作为基干网络的注意力信息,进而形成人体结构先验驱动的多尺度特征表达,并将提取的特征分别输入至全卷积网络解析分支与检测解析分支.全卷积网络解析分支获得全局分割结果,检测解析分支更关注小尺度目标的检测与分割,融合两个分支的预测信息可以获得更为精确的分割结果.实验结果验证了该算法的有效性,在当前主流的人体解析数据集LIP和ATR上,所提方法的mIoU评测指标分别为52.19％和68.29％,有效提升了解析精度,在人体四肢部件以及小目标部件区域获得了更为准确的分割结果.