用于提升无约束场景下性别分类的优化衣物分割
计算机视觉与模式识别
2016-11-15 v1
摘要
若干应用需要无约束场景中普通人的人口统计信息。由于人类外观的显著变化，这并非易事。本工作中，我们引入trixels用于聚类图像区域，列举了相较于超像素(superpixels)的优势。随后经典GrabCut算法被改进以在无监督环境下分割trixels而非像素。结合人脸检测使我们获得接近实时的衣物分割方法。该研究使用具挑战性的Pascal VOC数据集进行分割评估实验。最终实验分析了ClothesDB中衣物特征与最先进性别分类器的融合，揭示了性别分类性能的显著提升。
引用
@article{arxiv.1611.03999,
title = {Optimized clothes segmentation to boost gender classification in unconstrained scenarios},
author = {D. Freire-Obregón and M. Castrillón-Santana and J. Lorenzo-Navarro},
journal= {arXiv preprint arXiv:1611.03999},
year = {2016}
}