多层次深度特征交换的人体解析方法

作者：罗文劼; 倪鹏; 张涵

来源：小型微型计算机系统, 2020, 41(01): 149-154.

• 人体解析
• 卷积神经网络
• 特征交换
• 多尺度
• 多分辨率

人体解析因其潜在的应用前景,成为计算机视觉领域重要的研究内容之一.虽然Segnet对全局与局部信息有较好的学习,但该网络只是进行简单的下采样和上采样操作,忽略了特征信息之间的交换学习,本文提出一种基于多层次深度特征交换网络(DFEnet)的人体解析方法.DFEnet网络既兼顾不同分辨率下高维特征学习,又可以满足不同分辨率下的特征交换学习.在DFEnet提取完人体语义特征后,空洞沙漏池化会对提取后的特征进行多尺度学习.在LIP数据集上的实验结果表明本文提出的方法具有更好的解析结果,与SS-JPPnet相比提高了1. 4%MIoU,超过Segnet近26. 51%MIoU.

• 单位
  河北大学