用于人体解析的语义神经树学习
计算机视觉与模式识别
2019-12-23 v1
摘要
现有大多数人解析方法将该任务表述为语义分割，平等对待每个语义类别，未能利用人体的内在生理结构，导致结果不准确。本文中，我们设计了一种新颖的用于人体解析的语义神经树，其使用树形架构编码人体生理结构，并以级联方式设计由粗到精的过程以生成准确结果。具体而言，语义神经树旨在通过新设计的注意力路由模块以分层方式将人体区域分割为多个语义子区域（如脸、手臂和腿）。同时，我们引入语义聚合模块来组合多个层次特征，以利用更多上下文信息提升性能。我们的语义神经树可通过标准随机梯度下降（SGD）与反向传播以端到端方式训练。在四个具有挑战性的单人及多人解析数据集（即 LIP、PASCAL-Person-Part、CIHP 和 MHP-v2）上进行的若干实验证明了所提方法的有效性。代码见 https://isrc.iscas.ac.cn/gitlab/research/sematree。
引用
@article{arxiv.1912.09622,
title = {Learning Semantic Neural Tree for Human Parsing},
author = {Ruyi Ji and Dawei Du and Libo Zhang and Longyin Wen and Yanjun Wu and Chen Zhao and Feiyue Huang and Siwei Lyu},
journal= {arXiv preprint arXiv:1912.09622},
year = {2019}
}