论文摘要
针对现有的服装解析算法在复杂背景下分割准确率较低,依赖姿态估计等问题,提出一种基于深度卷积神经网络的自监督服装解析方法（Deeplabv2-SSL）,即在Deeplabv2网络中注入一种自监督的结构敏感学习算法。新的算法在训练过程中不需要标注任何人体关节信息,直接从像素标签中学习人体更高层次的信息,利用学习到的人体关节信息更好地定位服装分割的区域,降低了姿态估计过程中的损失。实验表明,Deeplabv2-SSL网络可以有效地解析服装中人体的个别部位以及服装区域。测试过程中总体像素精度大约83.37%,平均像素精度大约52.53%,较其他语义分割模型性能更佳。
论文目录
文章来源
类型: 期刊论文
作者: 白美丽,万韬阮,汤汶,朱欣娟,薛涛
关键词: 服装解析,语义分割,深度卷积神经网络,自监督学习,姿态估计
来源: 纺织高校基础科学学报 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,信息科技
专业: 轻工业手工业,计算机软件及计算机应用,自动化技术
单位: 西安工程大学计算机科学学院/陕西省服装设计智能化重点实验室,布拉德福德大学工程与信息学院,伯恩茅斯大学科学与工程技术学院
基金: 陕西省科技厅自然科学基金(2016JZ026),陕西省科技厅国际科技合作与交流计划(2016KW-043)
分类号: TS941.1;TP391.41;TP183
DOI: 10.13338/j.issn.1006-8341.2019.04.007
页码: 385-392+410
总页数: 9
文件大小: 2592K
下载量: 131
相关论文文献
标签：服装解析论文; 语义分割论文; 深度卷积神经网络论文; 自监督学习论文; 姿态估计论文;