![](https://csdnimg.cn/release/download_crawler_static/88424232/bg4.jpg)
Ke Gong,Xiaodan Liang,Yicheng Li,Yimin Chen,Ming Yang,
Liang Lin
引 入 了 一 个 新 的 大 规 模 数 据 集 , 命 名 为 人 群 实 例 级 人 类 解 析
(CIHP),包括38,280多人图像与像素级注释的19个语义部分在实
例级。该数据集被精心注释,专注于野外多个人的语义理解,如图所
示。1.一、有了新的数据集,我们还提出了一个公共服务器基准,用
于自动报告评估结果,以便在这个主题上进行公平比较。
我们的贡献总结在以下几个方面。1)我们研究了一个更具挑战性的
实例级人工解析,它推动了人工解析的研究边界,以更好地匹配现实
世界的场景。2)提出了一种新的部件分组网络(PGN),通过将其重
新定义为两个可以相互细化的成对分组任务,可以在统一的网络中同
时解决多人的人类解析:语义部分分割和实例感知的边缘检测。3)
构建了一个新的大规模实例级人工句法分析基准4)PGN超越了语义部
分分割和边缘检测任务的复杂方法,并在现有PASCAL-Person-Part [6]
和我们新的CIHP数据集上实现了实例级人类解析的最新性能。
2
相关工作
最近,许多研究工作都致力于人类解析[23,42,41,35,26,39,
5,11],以推进以人为中心的分析研究。例如,Liang
et al
.[23]提出了
一种新的Co-CNN架构,将多个级别的图像上下文集成到统一的网络
中。Gong等[11]设计了一种结构敏感的学习,以强制产生的解析结果
与人类关节结构语义一致然而,所有这些先前的工作只集中在相对简
单的单人人类解析没有考虑在现实世界中常见的多个实例的情况下。
至于当前的数据资源,我们在表1中总结了公开可用的人工解析数
据集。以前的数据集只包括非常少的人的实例和类别在一个图像中,
并要求以前的工作只评估纯部分分割性能,而忽略他们的实例属性。
相反,包含38,280个图像,所提出的CIHP数据集是迄今为止第一个
也是最全面的实例级人类解析数据集。尽管在Vision社区中存在一些
专用于其他任务的数据集,例如衣服识别,检索[28,30]和时尚建模
[36],我们的CIHP主要关注实例级人类解析,是最大的一个,并为不
同的图像提供更精细的密集注释。CIHP的标准服务器基准可以通过
在当前方法之间进行公平比较来促进人类分析研究。
实例级对象分割我们的目标也非常相关 实例级对象分割任务,其
目的是预测图像中每个对象的整个掩模。大多数现有工作[7,31,
12,21,31,13]通过顺序地优化对象检测和前景/背景分割来解决该
任务。Dai等人[7]提出了多阶段