[发明专利]基于深度学习的混合语法人体解析方法及装置

权利要求书

1.一种基于深度学习的混合语法人体解析方法，其特征在于，包括：

存储模块提供人体解析数据集；

将所述人体解析数据集输入至一特征提取网络解析得到关于所述人体解析数据集的各个部件的特征图；

所述特征图依次输入至一混合语法子网络和一感受野自适应子网络进行解析，得到关于所述人体解析数据集的预测图；

其中，所述特征提取网络、所述混合语法子网络和所述感受野自适应子网络均结合对应的监督信息联合优化网络实现解析工作。

2.根据权利要求1所述的基于深度学习的混合语法人体解析方法，其特征在于，所述人体解析数据集包括人体图片和所述人体图片的像素标签。

3.根据权利要求1所述的基于深度学习的混合语法人体解析方法，其特征在于，所述混合语法子网络和所述感受野自适应子网络为端到端连接，且所述混合语法子网络的输出端和所述感受野自适应子网络的输入端连接。

4.根据权利要求1或3所述的基于深度学习的混合语法人体解析方法，其特征在于，所述混合语法子网络包括多个串联或并联连接的进化卷积循环神经子网络，且各个所述进化卷积循环神经子网络对应一个语法规则。

5.根据权利要求4所述的基于深度学习的混合语法人体解析方法，其特征在于，所述语法规则为：

S→A₁|A₂...|A_n，

其中，“|”表示或操作，S表示根节点，A_i表示各个子节点，a_i为正数。

6.根据权利要求5所述的基于深度学习的混合语法人体解析方法，其特征在于，所述混合语法子网络的解析还包括：

将经混合语法子网络训练得到的各个部件的特征图与所述特征提取网络的输出进行合并：

将合并后的特征输入到后续的集合层卷积层，得到混合语法子网络的输出。

7.根据权利要求1所述的基于深度学习的混合语法人体解析方法，其特征在于，所述感受野自适应子网络包括：

一个选择通道，产生不同的设置值；以及

多个特征通道，每个所述特征通道对应一个所述设置值；

其中，通过将所述设置值和各个所述特征通道进行融合得到对特征通道的选择。

8.根据权利要求7所述的基于深度学习的混合语法人体解析方法，其特征在于，所述对特征通道的选择包括：

其中，表示通道级别乘，c_b表示第b个的特征通道，C_b表示选择之后的第b个的特征通道，w代表权重。

9.根据权利要求8所述的基于深度学习的混合语法人体解析方法，其特征在于，所述感受野自适应子网络的解析还包括：

将选择之后的所述特征通道与所述混合语法子网络的输出进行合并：

F^r＝concat(C_b，F^b)，

其中，F^b表示所述混合语法子网络的输出，F^r表示合并特征；

将所述合并特征输入一后续卷积层，得到关于所述人体解析数据集的预测图。

10.一种基于深度学习的混合语法人体解析装置，其特征在于，包括：

存储模块，存储人体解析数据集；

处理模块，所述处理模块通过权利要求1至9中任一所述的基于深度学习的混合语法人体解析方法解析所述人体解析数据集得到相应的预测图。