深度融合实例-类别特征的多人解析算法

摘要

针对多人解析中存在阶段间强耦合性、多尺度表征不足、解析精准性受限的问题，提出一种深度融合实例-类别特征的多人解析算法.首先，在特征空间中定义包含人体部位、关节点和服装配饰的编码集，通过引入可变形注意力进行人体多尺度特征学习；然后，将人体多尺度特征作为共享语义信息，统一表示实例特征和类别特征；最后结合交叉注意力深度融合实例与类别特征，以生成精准的多人解析结果.在MHP V2.0数据集上的实验结果表明，所提算法在评估指标AP^P_vol和PCP₅₀上分别达到了51.2%和55.6%,较现有方法提升了1.9%和2.7%,能够有效识别并准确解析不同尺度下的人体部位和服装配饰，提高多人解析精度.此外，在CIHP数据集上的测试，进一步验证所提算法具有一定的鲁棒性.

关键词

多人解析 / 可变形注意力 / 多尺度特征 / 交叉注意力 / 实例-类别特征融合

基金资助

国家自然科学基金项目(62262036,62362043)资助; 云南省兴滇英才支持计划项目(KKXY202203008)资助