一种改进的用于服装解析的自监督网络学习方法

作者：白美丽; 万韬阮; 汤汶^*; 朱欣娟; 薛涛

来源：纺织高校基础科学学报, 2019, 32(04): 385-410.

DOI：10.13338/j.issn.1006-8341.2019.04.007

• 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

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。

• 单位
  西安工程大学