面向整体皮肤检测的域适应
计算机视觉与模式识别
2020-03-31 v2
摘要
图像中的人体皮肤检测是计算机视觉中被广泛研究的课题，通常认为分析像素颜色或局部块已足够。这是因为皮肤区域看似相对均匀，且许多人认为不同样本间的色度差异很小。然而，我们发现常用于训练或调优皮肤检测方法的数据集中存在强偏差。此外，上下文信息的缺失可能阻碍局部方法的性能。本文中，我们针对整体与局部卷积神经网络（CNN）方法在域内与跨域实验上进行了综合评估，并与最先进的基于像素的方法进行比较。我们还提出了归纳迁移学习与无监督域适应方法的结合，并在不同域下、于多种标记数据可用量的情形中进行评估。我们展示了即便在目标域无标记训练样本时，CNN 相对于基于像素的方法也具有明显优势。此外，我们为整体方法优于局部方法这一反直觉的结论提供了实验支持。
引用
@article{arxiv.1903.06969,
title = {Domain adaptation for holistic skin detection},
author = {Aloisio Dourado and Frederico Guth and Teofilo Emidio de Campos and Li Weigang},
journal= {arXiv preprint arXiv:1903.06969},
year = {2020}
}
备注
11 pages, 10 figures, 6 tables