革新 Parsing R-CNN 以实现精准多人解析
计算机视觉与模式识别
2020-09-22 v1
摘要
多人解析旨在同时分割各种人体部位并将每个部位与对应实例关联。由于多样的人体外观、不同身体部位的语义模糊性以及复杂背景，这是一项极具挑战的任务。通过对多人解析任务的分析，我们观察到以人为中心的全局感知与精准的实例级解析打分对获得高质量结果至关重要。但大多数最先进方法未足够关注这些问题。为扭转此现象，我们提出革新 Parsing R-CNN（RP R-CNN），其将全局语义增强特征金字塔网络与解析重打分网络引入现有高性能流程。所提 RP R-CNN 采用全局语义表示增强多尺度特征以生成人体解析图，并回归一个置信度分数表示其质量。大量实验表明，RP R-CNN 在 CIHP 与 MHP-v2 数据集上优于最先进方法。代码与模型见 https://github.com/soeaver/RP-R-CNN。
引用
@article{arxiv.2009.09447,
title = {Renovating Parsing R-CNN for Accurate Multiple Human Parsing},
author = {Lu Yang and Qing Song and Zhihui Wang and Mengjie Hu and Chun Liu and Xueshi Xin and Wenhe Jia and Songcen Xu},
journal= {arXiv preprint arXiv:2009.09447},
year = {2020}
}
备注
Accepted by ECCV 2020