申请/专利权人:中科视语(北京)科技有限公司
申请日:2019-11-11
公开(公告)日:2024-03-15
公开(公告)号:CN110852270B
主分类号:G06V40/10
分类号:G06V40/10;G06V10/26;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.03.15#授权;2020.03.24#实质审查的生效;2020.02.28#公开
摘要:本发明公开了一种基于深度学习的混合语法人体解析方法及装置,其中,该方法包括:存储模块提供人体解析数据集;将人体解析数据集输入至一特征提取网络解析得到关于其的各个部件的特征图;该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,得到该人体解析数据集的预测图;其中,特征提取网络、混合语法子网络和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。本发明提供的该基于深度学习的混合语法人体解析方法及装置,可以从背景中提取相对完整的前景,有效提升网络解析的精度。
主权项: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,在监督信息的作用下,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,各个所述进化卷积循环神经子网络对应一个语法规则,每个所述进化卷积循环神经子网络接收对应部件的信息作为输入并输出对应部件的信息,经由所述混合语法子网络的作用得到训练后的各个部件的特征图,将所述训练后的各个部件的特征图与所述特征提取网络输出的各个部件的特征图对应合并,并将这些合并的特征输入到集合层和卷积层,得到所述混合语法子网络的输出;所述混合语法子网络产生的特征图输入到所述感受野自适应子网络中,所述感受野自适应子网络选择性的融合各个尺度的特征图,对不同的部件产生合适的感受野;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,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仅使用人体解析的标签作为监督,根据不同的进化卷积循环神经子网络对应的不同的人体部件,对于不同的进化卷积循环神经子网络采用不同的标签。
全文数据:
权利要求:
百度查询: 中科视语(北京)科技有限公司 基于深度学习的混合语法人体解析方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。