深度学习用于人体解析：综述
计算机视觉与模式识别
2023-01-31 v1
摘要
人体解析是图像处理中的一个关键主题，具有诸多应用，如监控分析、人机交互、行人检索以及服装类别分类等。近来，由于深度学习在计算机视觉中的成功，已有大量工作旨在利用深度学习模型开发人体解析算法。随着方法的提出，对该主题的全面综述具有重要意义。在本综述中，我们提供了对最先进人体解析方法的分析，涵盖了语义人体解析的广泛开创性工作。我们引入了五个富有洞见的类别：（1）结构驱动架构利用不同人体部位之间的关系以及人体固有的层次结构；（2）基于图的网络捕获全局信息以实现高效且完整的人体分析；（3）上下文感知网络探索所有像素间有用上下文以刻画对应类别的像素；（4）基于 LSTM 的方法可结合短距离与长距离空间依赖以更好地利用丰富的局部与全局上下文；（5）结合辅助信息方法使用相关任务或监督来提升网络性能。我们还讨论了每一类中方法的优缺点以及不同类别方法间的关系，考察了最广泛使用的数据库，报告了性能，并讨论了该领域有前景的未来研究方向。
引用
@article{arxiv.2301.12416,
title = {Deep Learning for Human Parsing: A Survey},
author = {Xiaomei Zhang and Xiangyu Zhu and Ming Tang and Zhen Lei},
journal= {arXiv preprint arXiv:2301.12416},
year = {2023}
}