[发明专利]一种基于边缘信息增强的人体解析分割模型及方法

摘要

本发明公开了一种基于边缘信息增强的人体解析分割模型及方法，属于计算机视觉中的语义分割技术领域。本发明的人体解析分割模型的网络结构在ResNet‑101的基础上，构建了边缘特征提取模块、人体特征提取模块，分别用于提取边缘特征图和人体解析特征图。边缘特征提取模块和人体特征提取模块以ResNet‑101生成的四个特征作为输入，进一步提取并增强特征。两个模块均采用了DenseASPP提取多维度特征，在此基础上，进一步规划网络结构分别提取两个任务对应的有效特征。模型损失项仅包含人体分割损失和边缘损失，易于训练过程中的权重调整，并且能更针对性地发掘边缘信息潜能。本发明用于多分类的单个人体细致分割，与现有分割方式相比，其分割性能更优。

主权项

1.基于边缘信息增强的人体解析分割模型，其特征在于，包括残差神经网络ResNet-101、边缘特征提取模块和人体特征提取模块；/n其中，所述残差神经网络ResNet-101作为人体解析分割模型的基础层，用于提取共享特征；残差神经网络ResNet-101输出的四个不同维度特征作为边缘特征提取模块和人体特征提取模块的输入；/n用Block1、Block2、Block3和Block4表示残差神经网络ResNet-101输出的四个不同维度特征，Block1、Block2、Block3和Block4的维度为递减方式；/n所述边缘特征提取模块通过1×1的卷积层分别提取Block1和Block2的特征，得到边缘特征提取模块的第一提取特征和第二提取特征；以及通过DenseASPP提取Block3和Block4的特征，得到边缘特征提取模块的第三提取特征；边缘特征提取模块的第一、二和经过上采样后的第三提取特征分别通过3×3的卷积层，再通过1×1的卷积层输出边缘预测图；/n所述人体特征提取模块通过1×1的卷积层提取Block1的特征，得到人体特征提取模块的第一提取特征；以及通过DenseASPP模块提取Block3和Block4的特征，得到人体特征提取模块的第二提取特征；人体特征提取模块的第二提取特征经上采样后与人体特征提取模块的第一提取特征通过融合层进行特征融合，再通过3×3的卷积层，得到人体特征提取模块的第三提取特征；人体特征提取模块的第三提取特征、边缘特征提取模块的第一提取特征和经上采样后的边缘特征提取模块的第三提取特征通过融合层进行特征融合，再通过2个1×1的卷积层输出人体分割预测图。/n