用于手部解析的多尺度双分支全卷积网络
计算机视觉与模式识别
2019-05-27 v1
摘要
近来，全卷积神经网络（FCNs）在图像解析（包括场景解析和物体解析）中展现出显著性能。与通用物体解析任务不同，手部解析由于尺寸小、结构复杂、严重自遮挡和纹理模糊问题而更具挑战性。本文中，我们提出一种新颖的解析框架——多尺度双分支全卷积网络（MSDB-FCN），用于手部解析任务。我们的网络采用双分支架构来提取手部区域特征，关注手部本身。这些特征通过金字塔池化策略生成多尺度特征。为了更好地编码多尺度特征，我们设计了反卷积与双线性插值块（DB-Block）用于上采样并融合不同尺度的特征。为解决数据不平衡这一许多计算机视觉任务以及手部解析任务中的常见问题，我们提出 Focal Loss 的一种推广，即多类平衡 Focal Loss，以应对多类分类中的数据不平衡。在 RHD-PARSING 数据集上的大量实验表明，我们的 MSDB-FCN 在手部解析上达到了最先进的性能。
引用
@article{arxiv.1905.10100,
title = {Multi-Scale Dual-Branch Fully Convolutional Network for Hand Parsing},
author = {Yang Lu and Xiaohui Liang and Frederick W. B. Li},
journal= {arXiv preprint arXiv:1905.10100},
year = {2019}
}