多阶段双路人体解析网络

• 作者: 倪鹏 张涵 田学东 罗文劼
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人体解析 空洞卷积 编码解码网络 深度学习
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 146-151
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0061

摘要

人体解析作为一种复杂而精细的计算机视觉任务,应用前景十分广泛,为了得到精确的人体解析结果需要提取丰富人体语义特征,对此提出一种双路人体解析网络(MTCnet).MTCnet将编码解码网络与空洞卷积相结合,拥有两个特征提取子网能够融合学习多尺度特征信息,相比单一网络,能够学习更丰富人体语义特征信息.与以往单一阶段处理方式不同,提出的方法需要进行多阶段学习,每个阶段对前一阶段的人体解析结果进行改进,达到最优的解析结果.实验结果表明,提出的方法与目前一些先进的方法相比特征提取能力更强,解析结果更加精准.