文献类型：期刊文章

作　　者：白美丽[1] 万韬阮[1,2] 汤汶[1,3] 朱欣娟[1] 薛涛[1]

BAI Meili;WAN Taoruan;TANG Wen;ZHU Xinjuan;XUE Tao(Shaanxi Key Laboratory of Clothing Intelligence,School of Computer Science,Xi′an Polytechnic University,Xi′an 710048,China;Faulty of Engineering and Informatics,University of Bradford,Bradford BD71DP,United Kingdom;Faculty of Science and Technology,Bournemouth University,Poole BH125BB,United Kingdom)

机构地区：[1]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,陕西西安710048 [2]布拉德福德大学工程与信息学院,英国布拉德福德BD71DP [3]伯恩茅斯大学科学与工程技术学院,英国伯恩茅斯BH125BB

出　　处：《纺织高校基础科学学报》

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)

年　　份：2019

卷　　号：32

期　　号：4

起止页码：385-392

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、IC、RCCSE、SCOPUS、ZGKJHX、ZMATH、普通刊

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。

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  

分 类 号：TS941] TP391.41]