摘要: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.
关键词:人体解析 卷积神经网络 特征交换 多尺度 多分辨率
单位:河北大学网络空间安全与计算机学院; 河北保定071002
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社