联合姿态先验的人体精确解析双分支网络模型

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域，进行形成对人体图像的语义理解.然而，由于人体姿态的复杂性，现有的人体解析算法容易对人体四肢部件形成误判，且对于小目标区域的分割不够精确.针对上述问题，联合人体姿态估计信息，提出了一种人体精确解析的双分支网络模型.该模型首先使用基干网络表征人体图像，将人体姿态估计模型预测到的姿态先验作为基干网络的注意力信息，进而形成人体结构先验驱动的多尺度特征表达，并将提取的特征分别输入至全卷积网络解析分支与检测解析分支.全卷积网络解析分支获得全局分割结果，检测解析分支更关注小尺度目标的检测与分割，融合两个分支的预测信息可以获得更为精确的分割结果.实验结果验证了该算法的有效性，在当前主流的人体解析数据集LIP和ATR上，所提方法的mIoU评测指标分别为52.19%和68.29%，有效提升了解析精度，在人体四肢部件以及小目标部件区域获得了更为准确的分割结果