软件学报

作者：高明达，孙玉宝，刘青山，邵晓雯

单位：高明达，江苏省大数据分析技术重点实验室(南京信息工程大学 自动化学院), 江苏 南京 210044;江苏省大气环境与装备技术协同创新中心(南京信息工程大学 自动化学院), 江苏 南京 21004411,孙玉宝，江苏省大数据分析技术重点实验室(南京信息工程大学 自动化学院), 江苏 南京 210044;江苏省大气环境与装备技术协同创新中心(南京信息工程大学 自动化学院), 江苏 南京 21004402,刘青山，江苏省大数据分析技术重点实验室(南京信息工程大学 自动化学院), 江苏 南京 210044;江苏省大气环境与装备技术协同创新中心(南京信息工程大学 自动化学院), 江苏 南京 21004403,邵晓雯，江苏省大数据分析技术重点实验室(南京信息工程大学 自动化学院), 江苏 南京 210044;江苏省大气环境与装备技术协同创新中心(南京信息工程大学 自动化学院), 江苏 南京 21004404

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

基金：国家自然科学基金（61825601，61532009，61672292）；江苏省级项目（BRA2019077，DZXX-037）

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.该模型首先使用基干网络表征人体图像，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.

来源：2020年第7期

《软件学报》期刊编辑部

查看软件学报杂志2020年第7期